Thesis (M.S.)--Rochester Institute of Technology, 2006. / Typescript. Includes bibliographical references (leaves 47-48).

Thesis (Ph.D.)--Ohio University, March, 2002. / Title from PDF t.p.

Thesis (M.S.)--Texas State University-San Marcos, 2007. / Vita. Includes bibliographical references (leaves 64-68).

Thesis (Ph. D.)--University of Texas at Austin, 2006. / Vita. Includes bibliographical references.

Thesis (M.S.)--Texas State University-San Marcos, 2007. / Vita. Includes bibliographical references (leaves 64-68).

Thesis (Ph. D.)--University of Washington, 2006. / Vita. Includes bibliographical references (p. 115-121).

Thesis (Ph. D.)--University of California, San Diego, 2009. / Title from first page of PDF file (viewed July 14, 2009). Available via ProQuest Digital Dissertations. Vita. Includes bibliographical references (p. 298-316).

Thesis (Ph. D.)--State University of New York at Binghamton, Thomas J. Watson School of Engineering and Applied Science, 2008. / Includes bibliographical references.

Made available in DSpace on 2015-03-26T13:32:08Z (GMT). No. of bitstreams: 1 texto completo.pdf: 790188 bytes, checksum: 1cb94f6a1ebb6d10f561e9184b3f44f3 (MD5) Previous issue date: 2010-02-11 / The main objective of this work was used the cluster analysis in order to classify nonlinear growth models in relation to different quality fit evaluators when utilized data from the following beef lambs genetic groups: Dorper x Morada Nova (DMN), Dorper x Rabo Largo (DRL) e Dorper x Santa Inês (DSI). After the choice of the best model, we aimed also apply the model identity in order to identify the most efficient group. The proposed methodology was considered in two experimental conditions: with repetitions, using data of all animals from each group; and without repetitions, using average data from each group. Twelve nonlinear models were used, whose fit quality was measured by determination coefficient (R2 aj), Akaike information criterion (AIC), Bayesian information criterion (BIC), mean quadratic error of prediction (MEP) and predicted determination coefficient (R2 p). The Richards and von Bertalanffy models, respectively, presented the best fit for the mean and individual data sets. The model identity tests revealed that the DSI group presented higher adult weight, therefore this group is recommend for meat production. / O objetivo principal desse trabalho foi utilizar a análise de agrupamento para classificar modelos de crescimento não-lineares tendo em vista os resultados de diferentes avaliadores de qualidade de ajuste ao considerar dados dos seguintes grupos genéticos de ovinos de corte: Dorper x Morada Nova (DMN), Dorper x Rabo Largo (DRL) e Dorper x Santa Inês (DSI). Após a indicação do modelo comum adequado aos três grupos, objetivou-se também aplicar a identidade de modelos com o intuito de identificar o grupo genético com maior eficiência de crescimento. Toda a metodologia foi aplicada a duas situações experimentais distintas: com repetição, considerando todos os animais de cada grupo genético, e sem repetição, considerando dados médios de cada um destes grupos. Ajustaram-se doze modelos não-lineares, cuja qualidade de ajuste foi medida pelo coeficiente de determinação ajustado (R2 aj), critério de informação de Akaike (AIC), critério de informação Bayesiano (BIC), erro quadrático médio de predição (MEP) e coeficiente de determinação de predição (R2 p). Os modelos Richards e von Bertalanffy foram, respectivamente, os que apresentaram os melhores ajustes para os conjuntos de dados médios e individuais. De acordo com testes de identidade de modelos, o grupo genético DSI foi o que apresentou maior peso adulto, sendo este, portanto, o mais recomendado para exploração de carne.

Submitted by JOSÉ WILLIAM ZUCCHI null (jwzucchi@hotmail.com) on 2018-04-02T23:13:39Z No. of bitstreams: 1 Dissertação Mestrado José W. Zucchi.pdf: 2342865 bytes, checksum: 860bbd3c7b2672c61b7ca6b121b0e8f9 (MD5) / Approved for entry into archive by Luciana Pizzani null (luciana@btu.unesp.br) on 2018-04-03T12:55:11Z (GMT) No. of bitstreams: 1 zucchi_jw_me_bot.pdf: 2342865 bytes, checksum: 860bbd3c7b2672c61b7ca6b121b0e8f9 (MD5) / Made available in DSpace on 2018-04-03T12:55:11Z (GMT). No. of bitstreams: 1 zucchi_jw_me_bot.pdf: 2342865 bytes, checksum: 860bbd3c7b2672c61b7ca6b121b0e8f9 (MD5) Previous issue date: 2018-02-28 / Introdução: Os pacientes com doença pulmonar obstrutiva crônica (DPOC) exibem características clínicas heterogêneas que estão associados a diferentes respostas a tratamentos e prognósticos. A complexidade da doença faz com que sejam buscadas ferramentas alternativas como o agrupamento de cluster para a identificação de características específicas e que possam tratadas diferentemente dentro da mesma doença. Entretanto, ainda são escassos dados da América Latina em relação aos possíveis clusters da DPOC. Objetivo: Avaliar os possíveis clusters na DPOC em dois centros de estudo no Brasil. Métodos: Os pacientes foram submetidos à avaliação composta por doenças associadas, Índice de Charlson, composição corporal, fármacos atuais, história de tabagismo (anos/maço), monóxido de carbono exalado, histórico de exacerbações/ hospitalizações no último ano, espirometria, teste de caminhada de seis minutos, questionários de qualidade de vida, dispneia e escala hospitalar de ansiedade e depressão. Também foram coletadas amostras de sangue para dosagens de proteína C reativa (PCR), gases sanguíneos, análise laboratorial e hemograma. Resultados: Foram avaliados 334 pacientes portadores de sintomas respiratórios e fator de risco para DPOC. Desse total, 13 pacientes foram excluídos do estudo por não terminarem o protocolo, 20 pacientes sem diagnóstico de DPOC e 10 por não terem sido classificados em nenhum cluster. Assim, foram incluídos 291 pacientes [53,6% homem, 67,5 ± 9,6 anos e volume expiratório forçado no primeiro segundo (VEF1) = 45,5 ± 17,9]. Para a construção dos clusters foram selecionadas 13 variáveis continuas e realizado análise com o método de Ward e método K means que determinaram quatro clusters. O primeiro cluster foi caracterizado por menor gravidade sintomática e funcional da doença, o segundo grupo por maior valor de eosinófilos periféricos, o terceiro grupo por serem mais inflamados sistemicamente e o quarto grupo por serem com maior gravidade obstrutiva e pior troca gasosa. O cluster 2 apresentou média de 959± 3 eosinófilos periféricos, cluster 3 apresentou maior prevalência de depleção nutricional (46,1%) e o cluster 4 apresentou maior índice BODE. Em relação as comorbidades associadas identificamos que apenas a síndrome de apneia obstrutiva do sono e o tromboembolismo pulmonar foram mais prevalentes no cluster 4. Conclusão: As manifestações clínicas e comorbidades associadas da DPOC identificadas nos quatros diferentes clusters deste estudo mostram as características heterogêneas da doença e isso pode estar relacionado à desfechos prognósticos diferentes em cada cluster podem diferenciar o tratamento em cada agrupamento com maior efetividade. / Introduction: Patients with chronic obstructive pulmonary disease (COPD) exhibit heterogeneous clinical features that are associated with different responses to treatments and prognoses. The complexity of the disease causes alternative tools such as clustering to identify specific characteristics and that can be treated differently within the same disease. However, there are still little data from Latin America regarding possible clusters in COPD. Objective: To evaluate possible clusters in COPD in two Brazilian centers. Methods: We assesses the comorbidities, Charlson's index, body composition, pharmacological treatment, smoking history (pack-years), exhaled carbon monoxide, exacerbations/hospitalizations rate in the last year, spirometry, six-minute walk test, quality of life questionnaires, dyspnea and hospital anxiety and depression scale. We also collected blood gases, laboratory and blood counts. Results: A total of 334 patients with respiratory symptoms and a risk factor for COPD were evaluated. From the total, 13 patients were excluded from the study because they didn’t complete the protocol, 20 patients without a diagnosis of COPD and 10 because they were not classified in any cluster. Thus, 291 patients were included [53.6% male, 67.5 ± 9.6 years and forced expiratory volume in the first second (FEV1) = 45.5 ± 17.9]. For the construction of the clusters, 13 continuous variables were selected and an analysis was performed with the Ward method and K method, which determined four clusters. The first cluster was characterized by lower symptomatic and mild COPD. The second cluster was characterized by higher value of peripheral eosinophils, the third cluster with systemic inflammation and the fourth cluster had severe COPD and worst gas exchange. Cluster 2 presented a mean of 959 ± 3 peripheral eosinophils, cluster 3 presented a higher prevalence of nutritional depletion (46.1%) and cluster 4 presented higher BODE index. In relation to the associated comorbidities, we identified that only obstructive sleep apnea syndrome and pulmonary thromboembolism were more prevalent in cluster 4. Conclusion: The clinical manifestations and associated comorbidities of COPD identified in the four different clusters of this study show the heterogeneous characteristics of the disease and this may be related to different outcomes and treatment.