Permodelan berstatistik bagi data apnea

Nur Zakiah Mohd Saat (P41942)

Please use this identifier to cite or link to this item: https://ptsldigital.ukm.my/jspui/handle/123456789/499983

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Abdul Aziz Jemain, Prof. Dr.
dc.contributor.author	Nur Zakiah Mohd Saat (P41942)
dc.date.accessioned	2023-10-13T09:36:54Z	-
dc.date.available	2023-10-13T09:36:54Z	-
dc.date.issued	2017
dc.identifier.other	ukmvital:97537
dc.identifier.uri	https://ptsldigital.ukm.my/jspui/handle/123456789/499983	-
dc.description	Masalah gangguan tidur apnea adalah masalah tidur akibat daripada saluran pernafasan tersekat selama sekurang-kurangnya 10 saat dan menyebabkan oksigen berkurang sehingga empat peratus. Masalah gangguan tidur apnea boleh menjejaskan kualiti tidur dan menyebabkan pening kepala, sentiasa rasa mengantuk, tertekan dan boleh mengalami gangguan emosi. Kajian terhadap masalah tidur khususnya apnea adalah penting dalam usaha untuk memastikan bahawa rawatan yang diberikan kepada pesakit yang didiagnos mengidap apnea adalah merupakan rawatan yang tepat. Selain apnea, hipopnea juga merupakan masalah tidur. Hipopnea adalah saluran pernafasan separa tersekat selama sekurang-kurangnya 10 saat. Pada masa kini tahap keseriusan apnea adalah berdasarkan indek apnea hipopnea yang dikenali sebagai apnea hipopnea indeks (AHI). AHI adalah berdasarkan kepada bilangan apnea dan hipopnea bagi setiap jam. Tahap keseriusan apnea di kategorikan kepada tiga iaitu rendah, sederhana dan teruk. Nilai AHI melebihi 30 adalah dikategorikan sebagai mempunyai masalah apnea yang teruk. Fasa tidur semasa tidur dikategorikan kepada fasa tidur 1, 2 dan rapid eye movement(REM). Fasa tidur REM juga dikaitkan dengan apnea. REM adalah merupakan fasa tidur yang penting kerana manusia tidur nyenyak dan mengalami mimpi semasa fasa tidur REM. Kajian lepas menunjukkan bahawa apnea sering berlaku semasa REM. Di dalam tesis ini inovasi yang telah dihasilkan adalah dari aspek suatu kaedah baru dalam analisa kadar kejadian apnea dan REM. Ini dihasilkan berdasarkan kaedah Model Rantaian Markov, Bayes Empirik, Indeks larian, Indeks Gini dan pengecaman taburan yang sesuai dengan data hipopnea. Kajian dibahagikan kepada dua bahagian iaitu dengan menggunakan data dari laman sesawang Physiobank. Data ini adalah terdiri daripada polisomnografi rekod bagi pesakit lelaki yang berusia antara 32 hingga 56 tahun. Data kedua merupakan data daripada Hospital Kuching, Sarawak. Model rantaian Markov dipadankan pada pelbagai peringkat bagi data apnea dan data fasa tidur REM. Kajian ini membuktikan pelbagai peringkat optimum Model Markov melebihi satu adalah mengambarkan jujukan kejadian apnea berdasarkan fungsi rugi Bayesian Information Criterion(BIC). Analisa Bayes empirik telah dijalankan bagi data kejadian apnea dan data kejadian REM untuk semua subjek. Hasil menunjukkan bagi kadar kejadian apnea, tiga kejadian apnea dalam masa dua minit adalah dikategorikan sebagai serius. Ini dicadangkan sebagai indeks masalah tidur bagi data apnea. Hasil kajian yang seterusnya menunjukkan berdasarkan indeks Gini bersamaan 0.480 merupakan indeks Gini yang paling tinggi bagi kadar kejadian apnea. Ini mencadangkan bahawa ketaksamaan taburan apnea pada setiap sela masa adalah berbeza secara sederhana. Seterusnya, analisis terhadap tempoh masa hipopnea. Tempoh masa suatu kejadian hypopnea sehingga ke hipopneayang seterusnya adalah dipadankan mengikut taburan gamma, Weibull, log-normal dan log-logistik. Hasil kajian mendapati taburan yang terbaik disuaikan untuk tempoh masa hipopnea semasa fasa tidur REM dan NREM adalah taburan Weibull. Kesimpulannya bagi mengambarkan profil keseluruhan bagi data kajian ini, Model Markov melebihi dua, indeks keparahan apnea adalah dua kejadian apnea dalam masa tiga minit, ketaksamaan taburan apnea yang sederhana adalah mengambarkan kadar kejadian apnea.,Tesis ini tidak ada Perakuan Tesis Sarjana/Doktor Falsafah"
dc.language.iso	may
dc.publisher	UKM, Bangi
dc.relation	Faculty of Science and Technology / Fakulti Sains dan Teknologi
dc.rights	UKM
dc.subject	Gangguan tidur
dc.subject	Saluran pernafasan
dc.subject	Sleep apnea syndromes -- Statistics
dc.subject	Medical
dc.title	Permodelan berstatistik bagi data apnea
dc.type	Theses
dc.format.pages	183
dc.identifier.callno	RC737.5.N837 2017 tesis
dc.identifier.barcode	002937(2017)
Appears in Collections:	Faculty of Science and Technology / Fakulti Sains dan Teknologi

Files in This Item:

File	Description	Size	Format
ukmvital_97537+SOURCE1+SOURCE1.0.PDF Restricted Access		541.16 kB	Adobe PDF	View/Open

Show simple item record Recommend this item