Метод прогнозного моделювання захворювання сухого ока на основі аналізу поведінкових та фізіологічних факторів

Скорочена інформація про документ
dc.contributor.authorМандзюк, Єлизавета
dc.contributor.authorМанзюк, Едуард
dc.contributor.authorСкрипник, Тетяна
dc.contributor.authorМіхалевcький, Віталій
dc.contributor.authorMandziuk, Yelyzaveta
dc.contributor.authorManziuk, Eduard
dc.contributor.authorSkrypnyk, Tetiana
dc.contributor.authorMikhalevskyi, Vitaliy
dc.date.accessioned2025-12-01T12:53:36Z
dc.date.available2025-12-01T12:53:36Z
dc.date.issued2025
dc.description.abstractУ роботі запропоновано метод прогнозного моделювання захворювання сухого ока Розроблено модуль обробки даних з нормалізацією числових параметрів та кодуванням категоріальних змінних для підвищення точності прогнозування. Розроблений метод придатний для раннього виявлення ризику захворювання сухого ока та формування індивідуальних профілактичних рекомендацій в офтальмологічній практиці. Експериментальні дослідження на даних 20 000 пацієнтів показали високу ефективність моделі (accuracy — 89%, precision — 87%, recall — 86%, F1 — 87%). Це свідчить про високу ефективність розробленого методу.
dc.description.abstractThis article presents a method for predictive modeling of dry eye disease based on the analysis of physiological and behavioral factors using machine learning techniques. The growing prevalence of dry eye syndrome, especially among individuals with prolonged screen time, underscores the importance of developing effective early diagnostic tools. A review of current research indicates that conventional diagnostic methods often rely heavily on clinical indicators, overlooking the role of behavioral and lifestyle-related risk factors, which are essential for comprehensive risk assessment. The proposed method leverages the XGBoost algorithm and includes several stages: data preprocessing, feature selection and engineering, risk prediction, and generation of personalized preventive recommendations. An object-oriented implementation ensures modularity, scalability, and maintainability of the system. Data normalization, handling of missing values, encoding of categorical variables, and the use of clinically interpretable features are integrated into the system’s architecture. The model was trained and tested on a dataset comprising more than 20,000 records, and its performance was evaluated using five-fold cross-validation. The achieved accuracy was 89%, with a precision of 87%, recall of 86%, and F1-score of 87%, confirming the reliability of the approach. An analysis of feature importance revealed that screen time, blinking frequency, age, sleep quality, and stress level were the most influential risk factors. The model also demonstrated a clear separation between affected and healthy individuals based on predicted probabilities, supporting its diagnostic value. The proposed system can be effectively used in ophthalmic practice for early identification of individuals at high risk of dry eye disease. By integrating behavioral insights with physiological data, it supports more personalized and preventive healthcare approaches, ultimately improving the quality of patient care and reducing the burden of this increasingly common condition.
dc.identifier.citationМетод прогнозного моделювання захворювання сухого ока на основі аналізу поведінкових та фізіологічних факторів / Є. Мандзюк, Е. Манзюк, Т. Скрипник, В. Міхалевcький // Herald of Khmelnytskyi National University. Technical Sciences. – 2025. – Vol. 357, No. 5.2. – P. 291-299.
dc.identifier.urihttps://elar.khmnu.edu.ua/handle/123456789/19844
dc.language.isouk
dc.publisherХмельницький національний університет
dc.subjectзахворювання сухого ока
dc.subjectпрогнозне моделювання
dc.subjectповедінкові фактори
dc.subjectфізіологічні фактори
dc.subjectмашинне навчання
dc.subjectdry eye disease
dc.subjectpredictive modeling
dc.subjectbehavioral factors
dc.subjectphysiological factors
dc.subjectmachine learning
dc.subject.udc004.4
dc.titleМетод прогнозного моделювання захворювання сухого ока на основі аналізу поведінкових та фізіологічних факторів
dc.title.alternativeMethod of predictive modeling of dry eye disease based on the analysis of behavioral and physiological factors
dc.typeСтаття
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Назва:
(357)+VKNU-TS-2025-N5t2-97 (1).pdf
Розмір:
746.12 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Назва:
license.txt
Розмір:
4.26 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити
Зібрання
Вісник ХНУ. Технічні науки - 2025 рік