1. UKM Learning and Research Repository
2. PHD Thesis / Tesis PHD
3. Faculty of Science and Technology / Fakulti Sains dan Teknologi

Title:	Permodelan berstatistik bagi data apnea
Authors:	Nur Zakiah Mohd Saat (P41942)
Supervisor:	Abdul Aziz Jemain, Prof. Dr.
Keywords:	Gangguan tidur Saluran pernafasan Sleep apnea syndromes -- Statistics Medical
Issue Date:	2017
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"
Pages:	183
Call Number:	RC737.5.N837 2017 tesis
Publisher:	UKM, Bangi
Appears in Collections:	Faculty of Science and Technology / Fakulti Sains dan Teknologi

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.