Detailansicht
Modelling path-dependent diffusion processes on complex healthcare networks
Michaela Kaleta
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Physik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Physik
Betreuer*in
Peter Klimek
Mitbetreuer*in
Christoph Dellago
DOI
10.25365/thesis.56925
URN
urn:nbn:at:at-ubw:1-17281.94397.583570-5
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Da die Menge an verfügbaren Daten für die Analyse von komplexen Systemen kontinuierlich steigt, haben sich viele der neuesten Studien um ein besseres Verständnis der Dynamik in physikalischen, biologischen oder sozio-ökonomischen Systemen als Diffusionsprozess in empirisch beschriebenen reellen Netzwerken bemüht. Für viele solcher Systeme ist Diffusion als Transportprozess, so wie von A. Fick postuliert, ein zu einfaches Modell, um Diffusion in echten komplexen Netzwerken zu beschreiben. Verallgemeinerte Random Walk Modelle bieten oft eine bessere Grundlage, um solche Systeme zu studieren. In dieser Arbeit verwenden wir ein Random Walk Modell, das durch die Laplace Matrix gegeben ist, und grundlegende Methoden der Statistik um die Dynamik eines echten Systems zu untersuchen, konkret den Austausch von Patienten zwischen verschiedenen Anbietern im Gesundheitswesen der Region Niederösterreich. Mit Hilfe computergestützter Analysen untersuchen wir die Pfadabhängigkeit der Patientenbewegungen und erörtern, warum die Bewegung von Patienten zu Ärzten nicht als ein Markov-Prozess angesehen werden kann. Zusätzlich suchen wir das System nach statistisch überrepräsentierten Netzwerkmotiven ab. Wir stellen fest, dass eine beträchtliche Anzahl solcher Motive mit dem Fakt in Zusammenhang gebracht werden kann, dass das Rehospitalisierungsrisiko stark reduziert wird, wenn Patienten Kontakt zu bestimmten Spezialisten hatten. Wir erörtern geschlechtsspezifische Tendenzen in diesen Behandlungspfaden und wir folgern, dass das Gesundheitssystem dazu tendiert bereits existierende Geschlechtertrends zu verstärken. Männer (Frauen) zeigen typischerweise genau bei solchen Diagnosen eine größere Risikosenkung, die männer- (frauen-) dominiert sind. Unsere Ergebnisse zeigen zum ersten Mal geschlechtsspezifische Rehospitalisierungsrisiken in Behandlungspfaden und könnten dabei helfen Anhaltspunkte zu finden, um Patientenflüsse in regionalen Gesundheitssystemen zu verbessern.
Abstract
(Englisch)
As the amount of data for the study of complex networks is continuously increasing, many recent studies tried to understand the dynamics of physical, biological or socio-economic systems by means of diffusion processes on empirically measured real-life networks. For many such systems, diffusion as a transport process as postulated by A. Fick is a model too simplistic to describe transport processes on real-world complex networks. Generalized random walk models often provide a more adequate framework to study such systems. In this work, we will use a random walk model given by the graph Laplacian matrix and statistical tools to study the dynamics of a real-life system, the exchange of patients between different types of healthcare provider in Lower Austria. Using computational means, we investigate the path dependence of patient movements and discuss why the process of patients contacting different specialists does not satisfy the Markovian property. In addition, we search the system for statistically overrepresented network motifs. We find a substantial number of such motifs that can be associated with strongly reduced probabilities of re-hospitalization if patients have contacts with certain specialists. We discuss sex-specific biases in these treatment paths and we find evidence that the healthcare system tends to amplify existing sex biases in the sense that males (females) typically show greater rehospitalization risk reduction for male- (female-) dominated diagnoses. Our results quantify for the first time sex-specific re-hospitalization risks in treatment paths and might help in identifying leverage points to improve patient flows in regional healthcare systems.
Schlagwörter
Schlagwörter
(Englisch)
complex systems networks diffusion random walk healthcare networks Markov chain path dependence
Schlagwörter
(Deutsch)
komplexe Systeme Netzwerk Diffusion Random Walk Gesundheitsnetzwerke Markov Kette Pfadabhängigkeit
Autor*innen
Michaela Kaleta
Haupttitel (Englisch)
Modelling path-dependent diffusion processes on complex healthcare networks
Paralleltitel (Deutsch)
Modellierung von pfadabhängigen Diffusionsprozessen in komplexen Gesundheitsnetzwerken
Publikationsjahr
2019
Umfangsangabe
72 Seiten : Illustrationen, Diagramme
Sprache
Englisch
Beurteiler*in
Peter Klimek
Klassifikationen
33 Physik > 33.90 Physik in Beziehung zu anderen Fachgebieten ,
33 Physik > 33.99 Physik: Sonstiges
AC Nummer
AC15537888
Utheses ID
50282
Studienkennzahl
UA | 066 | 876 | |