Στατιστική Ανάλυση Λοιμώξεων από το Πολυ-Ανθεκτικό Acinetobacter baumannii

Abstract

Στην εργασία αυτή θα εφαρμόσουμε στατιστικές μεθόδους σε ιατρικά δεδομένα. Αρχικά, θα επικεντρωθούμε σε ένα μείζον πρόβλημα που έχει να αντιμετωπίσει η σύγχρονη Ιατρική, αυτό της ανάπτυξης αντοχής των μικροβίων στα αντιβιοτικά και την ανάδυση πολυ-ανθεκτικών στελεχών τους (MDR). Έπειτα, θα παρουσιάσουμε κάποιες βασικές στατιστικές έννοιες και θα κάνουμε μια εισαγωγή στα γενικευμένα γραμμικά μοντέλα, και θα εστιάσουμε στο μοντέλο της λογιστικής παλινδρόμησης, το οποίο χρησιμοποιείται ευρέως στην ιατρική έρευνα. Τέλος, θα εφαρμόσουμε τη μέθοδο της λογιστικής παλινδρόμησης σε πραγματικά ιατρικά δεδομένα ασθενών με σοβαρές λοιμώξεις λόγω του πολυ-ανθεκτικού μικροβίου Acinetobacter baumannii, στους οποίους χορηγείται κολιστίνη, και θα προσπαθήσουμε να αναδείξουμε παράγοντες κινδύνου, καθώς και πιθανή συνεργιστική δράση της κολιστίνης με άλλα αντιβιοτικά.

In this thesis we implement statistical methods on medical data. Firstly, we focus on a major problem that today’s Medicine has to face, that of antibiotic resistance and the emergence of multi-drug resistant agents (MDR). Furthermore, we present some basic statistical concepts and we make an introduction to generalized regression models, and then we focus on the logistic regression model that is widely used in medical research. Finally, we apply the logistic regression model on real medical data of patients with grave Acinetobacter baumannii infections who are treated with colistin, in order to identify risk factors and probable synergy of colistin with other antibiotics.