Fragilità nella popolazione anziana: studio di modelli predittivi

Marchesi, Raffaele (2019) Fragilità nella popolazione anziana: studio di modelli predittivi. [Laurea], Università di Bologna, Corso di Studio in Informatica [L-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (741kB) | Contatta l'autore

Abstract

L'invecchiamento della popolazione sta avendo un forte impatto sulla nostra società, destinata a diventare meno produttiva, ma più bisognosa di cure e di interventi medici. Per questo ottimizzare i meccanismi di prevenzione del sistema sanitario sarà una sempre più crescente necessità. In questa tesi viene presentata un'analisi comparativa delle capacità predittive di diversi modelli, applicati per riconoscere individui fragili in un campione del Comune di Bologna di 95368 soggetti con più di 65 anni di età. Con fragilità della popolazione anziana si intende un indicatore dinamico che identifica uno stato instabile nella condizione di vita del soggetto, a rischio di perdere la sua autonomia o di subirne limitazioni, a causa di impedimenti fisici o cognitivi. Per lo sviluppo dei modelli predittivi sono state adottate due note tecniche di machine learning: la classificazione e la regressione. Il confronto non è quindi solamente tra i singoli modelli, ma anche tra i due processi con cui sono stati realizzati.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Marchesi, Raffaele
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
analisi predittiva,modelli predittivi,classificazione,regressione,machine learning,fragilità,anziani
Data di discussione della Tesi
13 Marzo 2019
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^