Antud programm on loodud Tartu Ülikooli lõputöö raames teemal Sünteetiliste diagnooside genereerimine. Eesmärgiks on luua võimalikult lähedased reaalsusele andmed. Progamm on realiseeritud tõenäosusliku automaadi abil ning kõik sündmused ja üleminekud omavad tõenäosust, mida kasutaja saab iseseisvalt muuta.
Projektis data/input kausta sees on olemas neli põhikausta: chapter, subchapter, section, subsection, mis vastavad RHK-10 kategooriatele. Iga kood on eraldiseisev objekt, millel on järgmised väljad:
code - diagnoosile vastav kood
age - igale vanusele (0 kuni 95) ja soole vastav diagnoosi tekkimistõenäosus
once - kas esineb üks või mitu korda elu jooksul
chronic - kas haigus on krooniline
next - võimalikud üleminekud antud olekust (lõppolekust) koos tõenäosusega
Samuti on olemas kaust data/trajectories, mis vastab trajektooride lisamise eest. Igale trajektoorile vastab kindel diagnoosi kood, millest ta algab. Trajektoori lisamiseks antud kausta sees peab looma kausta algdiaagnoosi nimelise koodiga ning lisama sinna eraldiseisvaid objekte, millel on järgmised väljad:
code - diagnoosile vastav kood
transaction - massiiv objektidest millel on
*probability* - tulevase diagnoosi tekkimis tõenäosus
*period* - kuuline ajavahemik, mille jooksul andtud diagnoos saab tekkida
Kõikide käskude käivitamiseks peate olema diagnoses kaustas
Põhikäsud on python main.py [-p populatsiooni arv] [-plot RHK-10 peatükki kood või sõna chapter] [-model vanus sugu(M,F)]
. Kõik käsud jooksutatakse eraldi
-
python main.py -p 1000
genereerib 1000 isikut projekti sees olevasse output kausta -
python main.py -plot chapter
genereerib graafiku, mille peal on näha kõikide daignooside peatükkide jaotust -
python main.py -model 5 F
genereerib HTML koodi, mille peal on näha kogu tõenäosusliku automaadi, mis vastab naissoole vanuses 5
Artjom Valdas, Tartu Ülikool