Wird geladen...
Schwierigkeit
Dein bestes Ergebnis
N/V
Die Parkinson-Krankheit ist eine progressive neurodegenerative Erkrankung, die die Bewegungskontrolle und kognitiven Funktionen beeinträchtigt. Sie tritt häufig bei Personen über 60 Jahren auf und manifestiert sich durch eine Kombination von motorischen Symptomen (Tremor, Rigidität, Bradykinesie, posturale Instabilität) und nicht-motorischen Symptomen (Schlafstörungen, Verstopfung, Depression, Sprachprobleme).
Die Frühdiagnose und Überwachung des Krankheitsverlaufs sind essentiell, um die Behandlung zu optimieren und die Lebensqualität der Patienten zu verbessern. Künstliche Intelligenz ermöglicht die komplexe Analyse klinischer Daten und des Lebensstils für:
Zur Lösung dieses Problems stehen Ihnen zwei Dateien zur Verfügung:
train.csv – enthält alle Variablen, einschließlich Diagnosis, für das Training der Modelletest.csv – enthält dieselben Variablen ohne die Spalte Diagnosis, und die Daten aus dieser Datei werden zur Generierung der Vorhersagen verwendet| Column | DType | Beschreibung |
|---|---|---|
| PatientID | object | Eindeutige Kennung des Patienten |
| Age | int | Alter des Patienten in Jahren |
| AgeGroup | int | Diskretisierte Altersgruppe (0–3) |
| AlcoholConsumption | float | Menge des pro Woche konsumierten Alkohols |
| BMI | float | Body-Mass-Index |
| Bradykinesia | bool | Vorhandensein von Bradykinesie (Verlangsamung der Bewegungen) |
| CholesterolHDL | float | HDL-Cholesterinspiegel („gutes" Cholesterin) |
| CholesterolLDL | float | LDL-Cholesterinspiegel („schlechtes" Cholesterin) |
| CholesterolTotal | float | Gesamtcholesterin |
| CholesterolTriglycerides | float | Triglyceridspiegel |
| Constipation | bool | Patient leidet unter Verstopfung |
| Depression | int | Depressions-Indikator (0 = nicht vorhanden, 1 = vorhanden) |
| Diabetes | int | Diabetes-Indikator (0 = nicht vorhanden, 1 = vorhanden) |
| DiastolicBP | int | Diastolischer Blutdruck |
| DietQuality | float | Bewertung der Diätqualität (numerischer Score) |
| DoctorInCharge | object | Name des Arztes, der den Patienten überwacht |
| DyslipidemiaIndex | float | Aus Lipidprofilen abgeleiteter Index |
| EducationLevel | int | Bildungsniveau (numerisch kodiert) |
| Ethnicity | int | Ethnische Gruppe (numerischer Code) |
| EyeColor | object | Augenfarbe |
| FamilyHistoryParkinsons | int | Familienanamnese für Parkinson (0/1) |
| FunctionalAssessment | float | Allgemeine funktionale Bewertung |
| Gender | int | Geschlecht (0 = weiblich, 1 = männlich) |
| Hypertension | int | Arterielle Hypertonie (0/1) |
| MeanBP | float | Mittlerer arterieller Druck, berechnet aus systolisch und diastolisch |
| MoCA | float | Kognitiver MoCA-Score |
| PhysicalActivity | float | Niveau der körperlichen Aktivität (Stunden/Woche) |
| PosturalInstability | bool | Posturale Instabilität vorhanden |
| Rigidity | bool | Muskelrigidität vorhanden |
| SleepDisorders | bool | Schlafstörungen vorhanden |
| SleepQuality | float | Score für Schlafqualität |
| Smoking | int | Raucher-Indikator (0/1) |
| SpeechProblems | bool | Sprachprobleme vorhanden |
| Stroke | int | Anamnese für Schlaganfall (0/1) |
| SystolicBP | int | Systolischer Blutdruck |
| TraumaticBrainInjury | int | Anamnese für Schädel-Hirn-Trauma (0/1) |
| Tremor | bool | Vorhandensein von Tremor |
| UPDRS | float | Unified Parkinson's Disease Rating Scale Score |
| Diagnosis | int | 0 = gesund, 1 = Parkinson |
Für dieses Problem haben Sie 3 Aufgaben zu lösen.
Berechnen Sie für jeden Patienten aus dem Testset einen kardiovaskulären und metabolischen Risiko-Score basierend auf den vorhandenen Spalten (Hypertension, Diabetes, BMI).
CardiometabolicRiskScore = (Hypertension == 1) + (Diabetes == 1) + (BMI > 30)CardiometabolicRiskScore ist ein einfacher Score, der das kardiovaskuläre und metabolische Risiko des Patienten bewertet.
Jede Komponente fügt einen Punkt zum Score hinzu:
Hypertonie: wenn der Patient erhöhten Blutdruck hat, wird 1 Punkt hinzugefügt.
Diabetes: wenn der Patient Diabetes hat, wird 1 Punkt hinzugefügt.
BMI > 30: wenn der Body-Mass-Index Adipositas anzeigt (BMI über 30), wird 1 Punkt hinzugefügt.
Answer in der Submission-Datei wird der berechnete numerische Wert für jeden Patienten aus dem Testset sein.
Berechnen Sie einen Score, der das lebensstilbezogene Risiko basierend auf den vorhandenen Spalten (Smoking, AlcoholConsumption, PhysicalActivity) bewertet.
LifestyleRiskIndex = (Smoking == 1) + (AlcoholConsumption > 2) + (PhysicalActivity < 1)LifestyleRiskIndex ist ein Score, der das mit dem Lebensstil des Patienten verbundene Risiko bewertet.
Jede Komponente trägt mit einem Punkt zum Score bei:
Der finale Score variiert zwischen 0 (risikofreier Lebensstil) und 3 (Vorhandensein aller Risikofaktoren) und bietet ein einfaches Maß für den Einfluss des Lebensstils auf die Gesundheit.
Erstellen Sie ein Klassifikationsmodell, das Diagnosis (0 = gesund, 1 = Parkinson) basierend auf allen verfügbaren Informationen in train.csv vorhersagt. Sie können wählen, ob Sie alle Informationen aus dem Trainingssatz für die Modellklassifikation verwenden oder die am besten geeigneten Informationen auswählen.
test.csv müssen in der Form 0/1 vorliegen.Answer in der Submit-Datei wird 0 (gesund) oder 1 (leidet an Parkinson) für jeden Patienten sein.Die Datei submission.csv muss enthalten:
PatientID - repräsentiert die ID des Patienten und wird aus der Datei test.csv übernommen;subtaskID kann sein: Task1, Task2, Task3Answer repräsentiert den berechneten Wert für den durch PatientID angegebenen Patienten bei der durch subtaskID angegebenen Aufgabe.Für Subtask 3 wird die Punktzahl nach folgenden Regeln vergeben:
Für Subtasks 1–2 wird exakt bewertet (durch Vergleich).