Modele statystyczne wykorzystywane przy prognozowaniu stężeń zarodników alergennych
##plugins.themes.bootstrap3.article.main##
Abstrakt
Ważnym kierunkiem badań aerobiologicznych jest poszukiwanie zależności między charakterystykami sezonu zarodnikowego a zmiennymi pogodowymi. Dotychczas powstało zaledwie kilka modeli prognostycznych dla wybranych rodzajów zarodników wywołujących alergie. Większość z nich charakteryzuje się stosunkowo niską sprawdzalnością (około 30%) i oparta jest raczej na prostych statystykach opisowych. Modelowanie koncentracji zarodników grzybów w powietrzu jest relatywnie trudnym zagadnieniem. Ze względu na stopień skomplikowania obiektu badań (duża liczba analizowanych parametrów, bardzo nieregularne zmiany koncentracji zarodników przy znaczącej rozmaitości gatunków, nieliniowe zależności między parametrami) preferowane są wielowymiarowe techniki eksploracji danych oraz inne zaawansowane metody statystyczne.
Pobrania
##plugins.themes.bootstrap3.article.details##
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.
Copyright: © Medical Education sp. z o.o. This is an Open Access article distributed under the terms of the Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). License (https://creativecommons.org/licenses/by-nc/4.0/), allowing third parties to copy and redistribute the material in any medium or format and to remix, transform, and build upon the material, provided the original work is properly cited and states its license.
Address reprint requests to: Medical Education, Marcin Kuźma (marcin.kuzma@mededu.pl)
Bibliografia
2. Breiman L., Friedman J.H., Olshen R.A., Stone C.G.: Classification and regression trees. Wadsworth International Group, Belmont, California 1984.
3. Damialis A., Gioulekas D.: Airborne allergenic fungal spores and meteorological factors in Greece: Forecasting possibilities. Grana 2006, 45: 122-129.
4. De’ath G.: Multivariate regression trees: A new technique for modelling species-environment relationships. Ecology 2002, 83: 1105-17.
5. De’ath G., Fabricus K.E.: Classification and regression trees: A powerful and simple technique for ecological data analysis. Ecology 2002, 81: 3178-92.
6. Herrero B., Fombella-Blanco M.A., Fernández-González D., Valencia-Barrera R.M.: The role of meteorological factors in determining the annual variation of Alternaria and Cladosporium spores in the atmosphere of Palencia, 1990-1992. Int. J. Biometeorol. 1996, 39: 139-142.
7. Hjelmroos M.: Relationships between airborne fungal spore presence and weather variables. Cladosporium and Alternaria. Grana 1993, 32: 40-47.
8. Katial R.K., Zhang Y.M., Jones R.H., Dyer P.D.: Atmospheric mold spore counts in relation to meteorological parameters. Int. J. Biometeorol. 1997, 41: 17-22.
9. Lyon F.L., Kramer C.L., Eversmeyer M.G.: Vertical variation of airspora concentrations in the atmosphere. Grana 1984, 23: 123-126.
10. Dufrene M., Legendre P.: Species assemblages and indicator species: The need for a flexible assymetrical approach. Ecol. Mon. 1997, 67: 345-66.
11. Żurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe. PWN, Warszawa 1996.