Náplní práce bude prostudovat matematické metody a algoritmy detekce odlehlých bodů a vybrané metody prakticky aplikovat na data klinického registru. Zjištěné jednoltivé odchylky budou podrobeny analýze s cílem zjistit jejich původ, odlišit zda se jedná o skutečné extrémní případy, či zda jde o kontaminaci dat. Kontaminanty budou dále rozděleny dle nejpravděpodobnější příčiny vzniku. Výchozím bodem práce jsou jednoduché metody pro detekci odchylek jednotlivých parametrů (odchylky od předpokládaného statistického rozložení) pro všechny základní datové typy, které jsou využívány v klinických registrech. Stěžejní částí práce jsou metody detekce odchylek ve vícerozměrném datovém prostoru. Práce předpokládá zvládnutí matematického aparátu v této oblasti, jeho aplikaci na reálná data a výsledné doporučení nejvhodnějších metod pro oblast klinických dat. Praktickým výsledkem práce bude vyčištění zvoleného registru od kontaminace a sumarizace nejčastějších příčin jejich vzniku.

Literatura:

• Outliers in Statistical Data (Wiley Series in Probability and Statistics) by Vic Barnett , Toby Lewis
• Robust Regression and Outlier Detection (Wiley Series in Probability and Statistics) by Peter J. Rousseeuw , Annick M. Leroy
• Arts, D.G.T., N.F. de Keizer, and G.J. Scheffer, Defining and improving data quality in medical registries: A literature review, case study, and generic framework. Journal of the American Medical Informatics Association, 2002. 9(6): p. 600-611.