Advances in Clinical and Experimental Medicine
2011, vol. 20, nr 2, March-April, p. 205–209
Publication type: original article
Language: English
Method of Component Importance Evaluation in Complex Data Structure Analysis
Metoda określenia ważności parametrów w analizie danych o złożonej strukturze
1 Institute of Computer Technology, Automatics and Robotics, Wroclaw University of Technology, Poland
2 Department of Gynaecology and Obstetrics, Wroclaw Medical University, Wrocław, Poland
3 Department of Angiology, Hypertension and Diabetology, Wroclaw Medical University, Wrocław, Poland
4 1st Department and Clinic of Gynaecology and Obstetrics, Wroclaw Medical University, Wrocław, Poland
5 Department of Normal Anatomy, Wroclaw Medical University, Wrocław, Poland
Abstract
Background. In medical practice very often it is necessary to determine which parameter (feature, cure, environment element) is most important for diagnosis or decision making. This is the problem of complex, multi-component data analysis. The paper introduces the method that can be helpful to solve that kind of problems.
Objectives. The aim of the paper was to present the method of data components ordering according to their importance, in the process of complex medical problem analysis.
Material and Methods. The idea implemented in this paper is based on the entropy conception, known in the area of information theory. As the example Eurofit motor test results of 637 males and 425 females were analyzed. Test results contain 9 parameters for each individual, and the proposed method was used for ordering them to simplify the individual efficiency evaluation.
Results. The applied method of test components ordering gave good results. The quality of results was evaluated by comparison the ordering for males and females using correlation analysis.
Conclusion. Results obtained using the proposed method allows to state that the method can be used in cases of the multi-parameter medical data analysis when the parameter ranking is necessary.
Streszczenie
Wprowadzenie. W praktyce medycznej często zachodzi konieczność określenia, który parametr (cecha, lekarstwo, element środowiska) jest najważniejszy do określenia diagnozy lub w procesie podejmowania decyzji. Jest to problem złożonej, wieloparametrycznej analizy danych. W pracy opisano metodę, która może być zastosowana do rozwiązywania takich problemów.
Cel pracy. Prezentacja metody uporządkowania komponentów danych w zależności od ich ważności w procesie analizy złożonego problemu medycznego.
Materiał i metody. Metoda opisana w pracy opiera się na pojęciu entropii znanym teorii informacji. Jako przykład jej zastosowania wybrano wyniki testu sprawnościowego Eurofit wykonanego u 637 mężczyzn i 425 kobiet. Zawierają one 9 parametrów dla każdej osoby, a opisana metoda była wykorzystana do ich uporządkowania w celu ułatwienia oceny sprawności poszczególnych osób.
Wyniki. Przedstawiona metoda uporządkowania parametrów dała dobre wyniki. Jakość rezultatów oceniono przez porównanie uporządkowania dla kobiet i mężczyzn, wykorzystując analizę korelacji.
Wnioski. Rezultaty otrzymane z wykorzystaniem opisanej metody pozwalają sądzić, że może być wykorzystana do analizy wieloparametrycznych danych medycznych, w przypadku gdy uporządkowanie parametrów jest konieczne.
Key words
entropy, data component ordering, motor tests
Słowa kluczowe
entropia, porządkowanie komponentów danych, testy motoryczne
References (7)
- Shannon CE: A mathematical theory of communication. Bell System Tech J 1948, 27, 379–423, 623–656.
- Harnet DL: Statistical methods. Addison-Wesley Publishing Company, Inc. Philippines 1982, 718–728.
- Council of Europe. Committee for the development of sport. Eurofit, European Test of Physical Fitness 1988.
- Hosseinzadeh L, Fallahnejad R: Imprecise Shannon’s entropy and multi attribute decision. Entropy – Open Access J 2010, 12, 53–62.
- Shanmugam K Sam: Digital and analog communication systems, Jon Wiley & Sons Inc. 1979, 138–156.
- Harremoes P: Maximum entropy on compact groups. Entropy – Open Access J 2009, II, 222–237.
- Azzalini A, Capitanio A: A statistical applications of the multivariate skew normal distribution. J R Stat Soc 1999, 81 (3), 579–602.


