Προσδιορισμός υποφαινοτύπων του γλαυκώματος με την χρήση μεθόδων κατηγοριοποίησης

Abstract

Purpose: The purpose of this study is to create discriminating functions between normal subjects and glaucoma phenotypes. The parameters from several imaging technologies together were used (OCT, HRT, GDx) and also AGIS SCORE. The discriminating functions produced refer to specific phenotypes. Due to the existence of a multitude of parameters (total 63 parameters), our goal also is to distinguish the most statistically significant to optimize the discriminating functions. Methodology: The analysis used data from 182 individuals, of which 111 belong to the category of normal, 30 in the category of PEX and the remaining 41 in the category of POAG. Individuals who participated in the study came from the glaucoma clinic of the Second University Clinic of Papageorgiou General Hospital, and the database of the Thessaloniki Eye Study. Using ANCOVA, we determined the optimal subset of parameters and the classification was performed using discriminant analysis. Results-Conclusions: In all cases a reduction in the number of variables was achieved. Discriminating functions were created, but the division into three categories was not achieved, while among the phenotypes there were no satisfactory results. The Discriminating functions were used to create a decision support system.

Σκοπός: Σκοπός της παρούσας διατριβής είναι η δημιουργία συναρτήσεων διαχωρισμού μεταξύ φυσιολογικών και υποφαινότυπων του γλαυκώματος. Χρησιμοποιούμε τις παραμέτρους από πολλές απεικονιστικές τεχνολογίες μαζί (OCT, HRT, GDx) και το AGIS SCORE. Οι συναρτήσεις διαχωρισμού που παράγονται αναφέρονται σε συγκεκριμένους υποφαινότυπους. Λόγο της ύπαρξης πληθώρας παραμέτρων (σύνολο 63 παράμετροι), στόχος μας επίσης θα είναι να ξεχωρίσουμε τις πιο στατιστικά σημαντικές με σκοπό την βελτιστοποίηση των συναρτήσεων. Μεθοδολογία: Στις αναλύσεις χρησιμοποιήσαμε δεδομένα από 182 άτομα, εκ των οποίων τα 111 ανήκουν στην κατηγορία των φυσιολογικών, 30 στην κατηγορία των ΡΕΧ και τα υπόλοιπα 41 στην κατηγορία των POAG. Τα άτομα που συμμετείχαν στη μελέτη προέρχονταν τη Β' Πανεπιστημιακή Κλινική του Νοσοκομείο Παπαγεωργίου και από την βάση δεδομένων του Thessaloniki Eye Study. Χρησιμοποιώντας ANCOVA επιλέξαμε σε κάθε περίπτωση το βέλτιστο υποσύνολο και εξάγαμε τις συναρτήσεις διαχωρισμού μέσω της διαχωριστικής ανάλυσης. Αποτελέσματα-συμπεράσματα: Σε όλες τις περιπτώσεις διαχωρισμού πετύχαμε μείωση του πλήθους των μεταβλητών. Δημιουργήθηκαν συναρτήσεις διαχωρισμού αλλά ο διαχωρισμός σε τρεις κατηγορίες δεν επετεύχθη, ενώ και μεταξύ των φαινοτύπων δεν είχαμε ικανοποιητικά αποτελέσματα. Οι συναρτήσεις διαχωρισμού αυτές χρησιμοποιήθηκαν για τη δημιουργία συστήματος στήριξης απόφασης.