Within hospitals or medical facilities, huge amount of data and information are collected every day, not only for diagnostic purposes but also for research. Due to lack of resources, the search is sometime limited so results often go unnoticed and essentially leaving information of great relevance behind. The purpose of this thesis is to discuss graphical models can be used to observe and analyse evidence in the clinical sector. In this case study, the data provided by the center specialized in the treatment of headaches in Pavia were analysed. The first part of this thesis concerns the concept of headache. The classification of headache and the distinction between primary and secondary headaches are provided. The focus is on primary headaches as described in the International Classification of Headaches. In order to provide adequate information for reading the observed data, it follows with a review of the literature concentrating on studies and articles that focus on the variables found in the dataset, analysed in the next part. It concludes by reporting the theoretical-statistical elements through which the data, relations, and models are obtained. Some concepts such as data mining and Bayesian networks are then explored. In the second part of the thesis, following a careful description of the variables contained in the dataset; elements of descriptive statistics are used for an overview of the data. Subsequently, the application of the Bayesian tool is illustrated, therefore the creation of networks. The purpose is to find the existence of common elements among the subjects of the case study, therefore among the patients diagnosed with headache. Identifying dependency relationships between variables can be the starting point for new research and possible treatments in the future.

All'interno degli ospedali o delle strutture mediche, ogni giorno vengono raccolte enormi quantità di dati e informazioni, non solo a scopo diagnostico ma anche di ricerca. A causa della mancanza di risorse, la ricerca è a volte limitata, quindi i risultati spesso passano inosservati e sostanzialmente lasciano dietro di sé informazioni di grande rilevanza. L’obiettivo di questa tesi è di discutere come modelli statistici e grafici, possano essere utilizzati per osservare e analizzare le evidenze nel settore clinico. In questo caso studio sono stati analizzati i dati forniti dal centro specializzato nella cura delle cefalee di Pavia. La prima parte di questa tesi riguarda il concetto di cefalea. Viene fornita la classificazione della cefalea e la distinzione tra cefalea primaria e secondaria. L'attenzione si concentra sui mal di testa primari come descritto nella Classificazione Internazionale delle Cefalee. Al fine di fornire informazioni adeguate per la lettura dei dati osservati, segue una rassegna della letteratura incentrata su studi e articoli che si focalizzano sulle variabili presenti nel dataset, analizzate nel capitolo successivo. Si conclude riportando gli elementi teorico-statistici attraverso i quali si ottengono dati, relazioni e modelli. Vengono quindi esplorati alcuni concetti come il data mining e le reti bayesiane. Nella seconda parte della tesi, a seguito di un'attenta descrizione delle variabili contenute nel dataset, elementi di statistica descrittiva vengono utilizzati per un overview dei dati. Successivamente viene illustrata l'applicazione dello strumento bayesiano, quindi la creazione di reti. Lo scopo è quello di trovare l'esistenza di elementi comuni tra i soggetti del caso studio, quindi tra i pazienti con diagnosi di cefalea. L'identificazione delle relazioni di dipendenza tra le variabili può essere il punto di partenza per nuove ricerche e possibili trattamenti in futuro.

Le reti del mal di testa. Studio delle interazioni tra variabili socioeconomiche, familiarità per patologie e caratteristiche del dolore in un gruppo di pazienti con cefalea

EMMANUELLO, SABRINA ERICA
2020/2021

Abstract

Within hospitals or medical facilities, huge amount of data and information are collected every day, not only for diagnostic purposes but also for research. Due to lack of resources, the search is sometime limited so results often go unnoticed and essentially leaving information of great relevance behind. The purpose of this thesis is to discuss graphical models can be used to observe and analyse evidence in the clinical sector. In this case study, the data provided by the center specialized in the treatment of headaches in Pavia were analysed. The first part of this thesis concerns the concept of headache. The classification of headache and the distinction between primary and secondary headaches are provided. The focus is on primary headaches as described in the International Classification of Headaches. In order to provide adequate information for reading the observed data, it follows with a review of the literature concentrating on studies and articles that focus on the variables found in the dataset, analysed in the next part. It concludes by reporting the theoretical-statistical elements through which the data, relations, and models are obtained. Some concepts such as data mining and Bayesian networks are then explored. In the second part of the thesis, following a careful description of the variables contained in the dataset; elements of descriptive statistics are used for an overview of the data. Subsequently, the application of the Bayesian tool is illustrated, therefore the creation of networks. The purpose is to find the existence of common elements among the subjects of the case study, therefore among the patients diagnosed with headache. Identifying dependency relationships between variables can be the starting point for new research and possible treatments in the future.
2020
The headache networks. Study of the interactions between socioeconomic variables, familiarity for pathologies and pain characteristics in a group of patients with headache
All'interno degli ospedali o delle strutture mediche, ogni giorno vengono raccolte enormi quantità di dati e informazioni, non solo a scopo diagnostico ma anche di ricerca. A causa della mancanza di risorse, la ricerca è a volte limitata, quindi i risultati spesso passano inosservati e sostanzialmente lasciano dietro di sé informazioni di grande rilevanza. L’obiettivo di questa tesi è di discutere come modelli statistici e grafici, possano essere utilizzati per osservare e analizzare le evidenze nel settore clinico. In questo caso studio sono stati analizzati i dati forniti dal centro specializzato nella cura delle cefalee di Pavia. La prima parte di questa tesi riguarda il concetto di cefalea. Viene fornita la classificazione della cefalea e la distinzione tra cefalea primaria e secondaria. L'attenzione si concentra sui mal di testa primari come descritto nella Classificazione Internazionale delle Cefalee. Al fine di fornire informazioni adeguate per la lettura dei dati osservati, segue una rassegna della letteratura incentrata su studi e articoli che si focalizzano sulle variabili presenti nel dataset, analizzate nel capitolo successivo. Si conclude riportando gli elementi teorico-statistici attraverso i quali si ottengono dati, relazioni e modelli. Vengono quindi esplorati alcuni concetti come il data mining e le reti bayesiane. Nella seconda parte della tesi, a seguito di un'attenta descrizione delle variabili contenute nel dataset, elementi di statistica descrittiva vengono utilizzati per un overview dei dati. Successivamente viene illustrata l'applicazione dello strumento bayesiano, quindi la creazione di reti. Lo scopo è quello di trovare l'esistenza di elementi comuni tra i soggetti del caso studio, quindi tra i pazienti con diagnosi di cefalea. L'identificazione delle relazioni di dipendenza tra le variabili può essere il punto di partenza per nuove ricerche e possibili trattamenti in futuro.
File in questo prodotto:
Non ci sono file associati a questo prodotto.

È consentito all'utente scaricare e condividere i documenti disponibili a testo pieno in UNITESI UNIPV nel rispetto della licenza Creative Commons del tipo CC BY NC ND.
Per maggiori informazioni e per verifiche sull'eventuale disponibilità del file scrivere a: unitesi@unipv.it.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14239/1795