Using Bayesian Methods for Predicting the Development of Children Autism

Mariia A. Voronenko, Iryna Lurie, Oleg O. Boskin, Ulzhalgas Zhunissova, R.V. Baranenko, Volodymyr I. Lytvynenko

2019

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/atit49449.2019.9030523
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

In this paper, we propose a methodology for using static Bayesian networks (BN) in the tasks of predicting the development of the children's disease “autism” aged 4 to 11 years. Methods of constructing the structure of a static BN, parametric learning, validation are considered, a sensitivity analysis and scenario analysis of “What-if' are carried out. The model was designed in collaboration with pediatricians, as well as subject matter experts in the selection and quantification of input and output variables.