Longitudinal patterns of SARS-CoV-2 antibody levels in a sample of Health Care Workers in Barcelona
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/382632
Realitzat a/ambIDIAPJGol
Tipus de documentTreball Final de Grau
Data2022-07-04
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
Over the past two years, SARS-CoV-2 has spread around the world, affecting people differently. Both quantity and duration of antibody levels can vary widely between individuals. However, the factors that determine which immune response people will generate to COVID-19 are still unclear. In this thesis, different clustering technologies are explored with the purpose of identifying different patterns of serological response caused by COVID-19 infection. Two unsupervised learning methods are applied, K-means and kmlShape. The latter can be conceived as an improved version of the K-means algorithm, specially designed to work with longitudinal data. Finally, the clusters obtained with both methods are reported and the characteristics of the patients grouped in each cluster are statistically described. Different relationships have been found between the immune response of each group and individual factors such as age, gender, diseases and drugs. Different immune response groups can also determine COVID-19 reinfections. En los dos últimos años, el SARS-CoV-2 se ha extendido por todo el mundo, afectando a las personas de forma diferente. Tanto la cantidad como la duración de los niveles de anticuerpos pueden variar mucho entre individuos. Sin embargo, los factores que determinan qué respuesta inmune generarán las personas ante el COVID-19 aún no están claros. En esta tesis se exploran diferentes tecnologías de clustering con el fin de identificar los diferentes patrones de respuesta serológica provocados por la infección de COVID-19. Además, se aplican dos métodos de aprendizaje no supervisado, K-means y kmlShape. Este último puede concebirse como una versión mejorada del algoritmo K-means, especialmente diseñado para trabajar con datos longitudinales. Finalmente, se presentan los clústeres obtenidos con ambos métodos y se describen estadísticamente las características de los pacientes agrupados en cada clúster. Se han encontrado diferentes relaciones entre la respuesta inmune de cada grupo y factores de los individuos como la edad, el género, las enfermedades y los fármacos. Los diferentes grupos de respuesta inmune también pueden determinar las reinfecciones de COVID-19. En els dos últims anys, el SARS-CoV-2 s'ha estès per tot el món, afectant a les persones de forma diferent. Tant la quantitat com la durada dels nivells d’anticossos poden variar molt entre els individus. No obstant, els factors que determinen quina resposta immune generaran les persones davant el COVID-19 encara que no estan clars. En aquesta tesi s'exploren diferents tecnologies de clustering amb la finalitat d'identificar els diferents patrons de resposta serològica provocada per la infecció de COVID-19. A més, s'apliquen dos mètodes d'aprenentatge no supervisats, K-means i kmlShape. Aquest darrer es pot concebre com una versió millorada de l’algorisme K-means, dissenyat especialment per treballar amb dades longitudinals. Finalment, es presenten els clústers obtinguts amb els dos mètodes i es descriuen estadísticament les característiques dels pacients agrupats en cada clúster. S'han trobat diferents relacions entre la resposta immune de cada grup i factors dels individus com l'edat, el gènere, les malalties i els fàrmacs. Els diferents grups de resposta immune també poden determinar les reinfeccions de COVID-19.
MatèriesAlgorithms, Artificial intelligence, Medical informatics, Algorismes, Intel·ligència artificial, Medicina--Informàtica
TitulacióGRAU EN ENGINYERIA DE TECNOLOGIES I SERVEIS DE TELECOMUNICACIÓ (Pla 2015)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
Degree_Thesis_JoseRamon_Rodriguez_Pardo.pdf | 3,790Mb | Visualitza/Obre |