Applicazione SPM (Statistical Parametric Mapping) ad immagini PET per lo studio della malattia di Alzheimer
|
|
- Valentino Valente
- 8 anni fa
- Visualizzazioni
Transcript
1 Applicazione SPM (Statistical Parametric Mapping) ad immagini PET per lo studio della malattia di Alzheimer Servizio Aziendale di Fisica Sanitaria Azienda Sanitaria della Provincia Autonoma di Bolzano SPM-Statistical Parametric Mapping 1
2 Demenze Malattia di Alzheimer (AD) Demenza a corpi di Lewy AD e demenza vascolare (mista) Demenza vascolare Demenza frontotemporale Malattia di Parkinson SPM-Statistical Parametric Mapping 2
3 Demenze e costi Il costo stimato mondiale per il 2010 della demenza ammonta a US$604 Miliardi. Circa il 70% dei costi si verificano nell Europa Occidentale ed in Nord America. I costi sono attribuiti: all assistenza informale (assistenza non rimborsata sostenuta da famiglie ed altri), costi diretti di assistenza sociale (fornita da operatori della comunità, e in strutture residenziali) costi diretti dell assistenza sanitaria (costi per il trattamento della demenza e patologie simili in strutture sanitarie primarie o secondarie). Rapporto Mondiale Alzheimer 2010 SPM-Statistical Parametric Mapping 3
4 Alzheimer Alto Adige Relazione sanitaria 2007 SPM-Statistical Parametric Mapping 4
5 Progetto SPM a Bolzano Progetto partito nel 2007 Coinvolge Medicina Nucleare Divisione di Geriatria Ospedale di Bolzano Divisione di Neurologia Ospedale di Merano Fisica Sanitaria PET cerebrali - Quesito Alzheimer PET SPM-Statistical Parametric Mapping 5
6 Diagnosi di Alzheimer La diagnosi di malattia di Alzheimer è un processo a due step: identificazione della sindrome di demenza La demenza è una sindrome caratterizzata dalla presenza di un deficit della memoria associato a disturbi in altre aree cognitive, che causa una significativa riduzione della capacità di svolgere le attività comuni della vita quotidiana: attualmente la diagnosi di demenza è fatta in base ai criteri clinici del DSM-IV-TR (Diagnostic and Statistical Manual of Mental Disorders - quarta edizione 1994). applicazione dei criteri clinici del fenotipo di AD I criteri più utilizzati per la diagnosi della malattia di Alzheimer sono quelli proposti nel 1984 dal National Institute of Neurological and Communicative Disorders and Stroke; Alzheimer's Disease and Related Disorders Association Work Group (NINCDS-ADRDA) Revisionati successivamente nel 2007 SPM-Statistical Parametric Mapping 6
7 Criteri NINCDS-ADRDA (2007) Per la classicazione di AD probabile, deve essere soddisfatto il criterio principale (criterio A) ed almeno uno dei biomarkers di supporto (criterio B, C, D o E) osservando comunque alcuni criteri di esclusione A: graduale e progressivo disturbo di memoria, presente da almeno 6 mesi. B: atrofia delle strutture del lobo temporale mesiale misurato con tecniche di risonanza; C: livelli anormali di proteine nel liquido cerebrospinali (bassi livelli di amiloide 1-42, aumento della tau totale o della concentrazione della fosfo-tau o una combinazione di questi); D: pattern specifici metabolici osservati con la PET (ridotto metabolismo glucidico nella regione temporo-parietale bilaterale); E: mutazioni genetiche autosomiche dominanti comprovate per l'ad, riscontrate nei familiari del paziente. SPM-Statistcal Parametric Mapping 7
8 Alzheimer e risonanza La perdita di cellule nervose è particolarmente spiccata nell'ippocampo, che gioca un ruolo cruciale nel consolidamento dei ricordi. alzheimer Atrofia in AD: i lobi tempori mediali sono i primi affetti e con maggior severità nostic_center_for_alzheimer.htm SPM-Statistical Parametric Mapping 8
9 Criteri NINCDS-ADRDA (2007) Per la classicazione di AD probabile, deve essere soddisfatto il criterio principale (criterio A) ed almeno uno dei biomarkers di supporto (criterio B, C, D o E) osservando comunque alcuni criteri di esclusione A: graduale e progressivo disturbo di memoria, presente da almeno 6 mesi. B: atrofia delle strutture del lobo temporale mesiale misurato con tecniche di risonanza; C: livelli anormali di proteine nel liquido cerebrospinale (bassi livelli di amiloide 1-42, aumento della tau totale o della concentrazione della fosfo-tau o una combinazione di questi); D: pattern specifici metabolici osservati con la PET (ridotto metabolismo glucidico nella regione temporo-parietale bilaterale); E: mutazioni genetiche autosomiche dominanti comprovate per l'ad, riscontrate nei familiari del paziente. SPM-Statistcal Parametric Mapping 9
10 Alzheimer e rachicentesi Specificity of T-Tau, AB42 Hulstaert et al. Neurology 1999;52: AD vs. Cntrl AD vs. other dementia AB42 81% 59% Tau 70% 57% AB42,T au 87% 58% SPM-Statistical Parametric Mapping 10
11 Criteri NINCDS-ADRDA (2007) Per la classicazione di AD probabile, deve essere soddisfatto il criterio principale (criterio A) ed almeno uno dei biomarkers di supporto (criterio B, C, D o E) osservando comunque alcuni criteri di esclusione A: graduale e progressivo disturbo di memoria, presente da almeno 6 mesi. B: atrofia delle strutture del lobo temporale mesiale misurato con tecniche di risonanza; C: livelli anormali di proteine nel liquido cerebrospinale (bassi livelli di amiloide 1-42, aumento della tau totale o della concentrazione della fosfo-tau o una combinazione di questi); D: pattern specifici metabolici osservati con la PET (ridotto metabolismo glucidico nella regione temporo-parietale bilaterale); E: mutazioni genetiche autosomiche dominanti comprovate per l'ad, riscontrate nei familiari del paziente. SPM-Statistcal Parametric Mapping 11
12 Esperienza di Bolzano Geriatria Anamnesi Test neuropsicologici Ev. rachicentesi Medicina Nucleare Analisi visiva Fisica Sanitaria Analisi SPM Richiesta di Pet Cerebrale con 18F-FDG FDG Medicina Nucleare Pet Cerebrale con 18F-FDG Acquisita su PET/CT Gemini TF (Philips) Sala somministrazione a luci spente, il maggior silenzio possibile paziente occhi chiusi viene somministrata una attività media di 6mCi di 18 F-FDG Acquisizione dopo 40 minuti dalla somministrazione Acquisizione di un lettino da 15 Medicina Nucleare Referto finale PET/TC Diagnosi di AD probabile SPM-Statistcal Parametric Mapping 12
13 Scheda richiesta PET Cerebrale SPM-Statistcal Parametric Mapping 13
14 Cosa è SPM SPM è un software sviluppato dai membri della Wellcome Department of Imaging Neuroscience dell istituto di neurologia dell University College di Londra Esso consiste di funzioni, scripts, file dati e routine esterne in C (compilate) per MATLAB (MathWorks, Inc. Natick, MA, USA) SPM-Statistcal Parametric Mapping 14
15 Cosa mi serve per utilizzare SPM Matlab (2000 licenza individuale a settembre 2010) SPM: direttamente scaricabile dal sito ( SPM2 SPM5 SPM8 Software per gestire formati Analyze e Nifti MRICRO ( MRICRON ( SPM-Statistcal Parametric Mapping 15
16 Matrice di compatibilità SPM-Matlab SPM-Statistcal Parametric Mapping 16
17 Per cosa usiamo SPM Confronto (voxel per voxel) del paziente in oggetto verso un database di normalità Paziente Db di normalità SPM-Statistcal Parametric Mapping 17
18 Database di normalità In cosa consiste un database di normalità? Almeno 12 acquisizioni cerebrali normali (il software non deve mostrare zone di captazione anomali) SPM-Statistical Parametric Mapping 18
19 Come si può creare un database di normalità Come si crea un database di normalità? Non è possibile arruolare pazienti sani; Pazienti oncologici che già devono fare PET-Whole Body senza interessamento cerebrale o altre alterazioni neurologiche documentate, valutabili o sospette. Ciascun elemento candidato ad entrare nel gruppo di controllo deve essere testato verso l intero gruppo Processo che costa molto (tempo, pazienti, acquisizioni) Per ottenere 12 normali, tipicamente bisogna acquisirne almeno il doppio!!! SPM-Statistical Parametric Mapping 19
20 Logica di funzionamento SPM Preprocessing Costruzione del modello Inferenza statistica Acquisizione Kernel Matrice disegno Mappa parametrico statistica Filtrazione spaziale Normalizzazione Modello lineare generale Inferenza statistica Random field theory (RFT) Template Stima dei parametri p <0.001 SPM-Statistcal Parametric Mapping 20
21 SPM-Maschera applicativa PREPROCESSING Costruzione del MODELLO INFERENZA statistica SPM-Statistcal Parametric Mapping 21
22 SPM: Preprocessing Il pre-processing: passaggio fondamentale per l analisi Necessario per rendere i dati acquisiti idonei per l analisi statistica Consta di una serie di passaggi modalità-dipendenti Per l'analisi 18 F-FDG Pet possono essere utili: Coregistrazione (nel caso avessimo RM e PET) Normalizzazione Smoothing SPM-Statistcal Parametric Mapping 22
23 SPM-Normalizzazione Consiste nel registrare ( trasformare ) acquisizioni di individui diversi rispetto ad uno spazio standard: pazienti diversi differiscono per forma e dimensione: massimizzare la sovrapposizione di aree omologhe Diversi problemi: l estrema variabilità nelle anatomie individuali non esiste una esatta coincidenza fra struttura e funzione cerebrale. patologie cerebrali E' d altra parte l unico modo per poter confrontare individui diversi SPM-Statistcal Parametric Mapping 23
24 SPM-Normalizzazione/2 E un processo a 2 passi: Passo 1: Trasformazione lineare (affine a 12 parametri). Tiene conto delle differenze maggiori nella conformazione e posizione Passo 2: Trasformazione non lineare (warping). Aggiusta le differenze a scala minore nella anatomia. PET TEMPLATE Creato originariamente con una media di 12 acquisizioni di 15 O-H 2 O-PET acquisizioni di soggetti normali acquisiti ad occhi chiusi e in condizione di riposo. SPM-Statistcal Parametric Mapping 24
25 Spazi Standard Spazio di Talairach Deriva dall atlante di Talairach and Tournoux (1988) Basato su un singolo soggetto (derivato dallo studio di un cadavere di una donna morta a 60 anni ) ignora le differenze destra/sinistra non è continuo in tre dimensioni completamente ignorato il cervelletto Spazio MNI (Montreal Neurological Institute MNI) Combinazione di numerose RM di pazienti normali Tutti soggetti destrimani Si approssima allo spazio di Talaraich Leggermente più largo raggiunge anche i 10mm di differenza (in funzione della posizione) Utilizzato da SPM, National fmri Database, International Consortium for Brain Mapping SPM-Statistcal Parametric Mapping 25
26 Smoothing Perché lo smoothing? sparpagliare aree differenti e ridurne quindi le discrepanze (normalizzazione: regioni cerebrali omologhe di differenti soggetti non verrebbero registrate precisamente) aumentare il rapporto segnale-rumore errore residuo distribuito in modo normale (teorema del limite centrale) approssimazione di campo continuo (richiesta RFT) SPM-Statistcal Parametric Mapping 26
27 Normalizzazione dei conteggi Attività Globale Regionale Effetti regionali possono essere causati da effetti globali Normalizzazione dei conteggi: Proporzionale (rispetto alla media corretta ) Ancova (media aggiunta come confondente) Casi speciali: AD relativa conservazione nella corteccia sensomotoria primaria, nella corteccia visiva, nei gangli della base, talamo e cervelletto Possibili aree di riferimento per la normalizzazione dell'uptake cerebrale regionale di FDG La normalizzazione corteccia senso-motoria (SMC) primaria rispetto quella cervelletto mostra una sensibilità superiore. SPM-Statistcal Parametric Mapping 27
28 Come costruiamo il modello Prendiamo un singolo voxel e la domanda è:la sua intensità è significativamente differente da quella del particolare voxel delle immagini di controllo? Pazienti Group 1 Group 2 Gruppo di normalità Stiamo impostando quindi un test-t sulle intensità di ogni voxel (voxel per voxel). SPM-Statistcal Parametric Mapping 28
29 SPM: Modello lineare generale 1 y X p β = + ε y = Xβ + ε ε N(0,σ 2 ) Il modello è specificato da: Il modello è specificato da: Matrice disegno X Matrice disegno X Assunzioni rispetto ε Assunzioni rispetto ε Sfericità : Il termine di errore è Sfericità : Il termine di errore è indipendente e distribuito in maniera indipendente e distribuito in maniera identica (i.i.d.) identica (i.i.d.) N N N N: numero di scansioni N: numero di scansioni p: numero di regressori p: numero di regressori Dati osservati = Predittori * Parametri + Errore Es. Intensità dell immagine Matrice disegno Peso del contributo del predittore ai dati osservati Varianza dei dati non compreso dal modello SPM-Statistcal Parametric Mapping 29
30 GLM: stima dei parametri Trovare β che minimizzi T y Xβ = ε ε 2 La stima ai minimi quadrati è data da: ˆ β = ( X X ) T 1 Sotto l assunzione i.i.d. : X T y ε ~ N(0, σ 2 I) Y ~ N( Xβ, σ 2 I ) ˆ ε = Y Residui X ˆ β σ ˆ 2 = N T ˆ ε ˆ ε rango( X ) ˆ 2 T 1 β ~ N( β, σ ( X X ) ) SPM-Statistical Parametric Mapping 30
31 SPM: t-test Paziente Gruppo di normalità y X β ε = β1 β2 * + β3 μ 1 μ 2 Group 1 Group 2 Appartenenza al 1 gruppo Appartenenza al 2 gruppo μ μ 1 2 t = ; β = μ1, μ2 S x x Parametri da ricercare [ ] T 1 2 Termine costante s 2 s1 x x = + 2 n1 s 1 n 2 2 2
32 SPM: Contrasto Risolvendo le equazione del modello lineare generale, otteniamo la stima delle ampiezze di ogni regressore Spesso però non siamo interessati all'intero vettore, ma magari solo alla differenza tra le condizioni (es. normalità (N) verso ipometabolismo (Hyp)). La differenza tra le condizioni [N-Hyp] è un esempio di combinazione lineare di predittori: una tale combinazione nel modello lineare generale prende il nome di contrasto (indicato con il vettore c). T T c βˆ c β 2 t N rango X = T 1 ( ) ; σˆ 2 σˆ c c df T ( X X ) L ipotesi L ipotesi nulla nulla H 0 :μ 1 =μ 2 0 :μ 1 =μ 2 è equivalente equivalente all ipotesi all ipotesi H 0 :c T β=0, 0 :c T β=0, con con c=[1,-1] c=[1,-1] T T e β=[μ β=[μ 1,μ 2 ] T. 1,μ 2 ] T. ( Y X βˆ ) 2
33 SPM: Immagini della statistica Per un dato contrasto c: ˆ β = beta_???? images ( X X ) T 1 X T y σ ResMS image ˆ 2 T ˆ ε ˆ ε = N p con_???? image c T βˆ spmt_???? image SPM{t}
34 SPM: Mappa statistica t>0 t>0.5 t>1 t>2 t>3 Quale soglia t Student (confidenza p,gradi di libertà) dobbiamo prendere?
35 SPM: Inferenza e confronti multipli Singolo Test t si calcola il valore t si verifica t > t soglia (p=0.05,df) la probabilità di compiere l errore di rigettare l ipotesi nulla è inferiore a 0.05 Se ho n= voxel testati contemporaneamente con p=0.05 (rigetto ipotesi nulla sul singolo voxel), approssimativamente n*p (circa 500 voxel) risultano (falsi) positivi. Family Wise Null Hypothesis: l ipotesi nulla è valida OVUNQUE E necessario quindi trovare un metodo che corregga il valore p P FWE Correzione di Bonferroni: controlla FWE p Bonferroni = p / nr_confronti Problema: Molto conservativo = troppo piccola la probabilità di rivelare effetti reali.
36 Soglia SPM: Random Field Theory L immagine statistica è considerata come la rappresentazione a reticolo di un campo continuo aleatorio. Caratteristica di Eulero χ u Misura topologica #blobs A soglia sufficientemente alta, EC rappresenta il conteggio del numero di blobs (nr aree sopra soglia). P FWE = E[EC]
37 SPM: Livelli di inferenza Tre livelli di inferenza (ipotesi regionale) Voxel level Inference u α Vengono conservati tutti I voxel sopra una soglia u α. Dà la migliore specificità spaziale. L ipotesi nulla può essere rigettata sul singolo voxel. Voxel significativi space Cluster level Inference u clus Cluster non significativo k α k α space Processo a in due passi: 1.Si definiscono i cluster attraverso una soglia arbitraria uc lus. 2.Si conservano i cluster che superano la soglia k α. Tipicamente ha la migliore sensibilità e peggiore specificità spaziale L ipotesi nulla può essere rigettata sull intero cluster Si può solo dire che uno o più voxel nel cluster sono attivi. Set-level Inference u clus Conta il numero di blobs c: Dimensione minima del blob k Peggiore specificità spaziale Permette di rigettare solo l ipotesi nulla globale space k k
38 SPM: Livelli di inferenza/2 Significativo a livello di cluster (P cluster FWE <0.05) ma non di voxel
39 SPM: Livelli di inferenza/3 Significativo a livello di cluster (P cluster FWE <0.05) e di voxel (P voxel FWE <0.05) SPM-Statistical Parametric Mapping 39
40 Casi clinici SPM-Statistical Parametric Mapping 40
41 I.G.G SPM-Statistical Parametric Mapping 41
42 I.G.G F-FDG PET SPM-Statistical Parametric Mapping 42
43 I.G.G 1940 SPM-Statistical Parametric Mapping 43
44 I.G.G 1940 Number of Voxels Max. coordinates Unidentified Transverse Temporal Gyrus 6.89 (R) Inter-Hemispheric Fusiform Gyrus (L) Left Cerebrum Fusiform Gyrus (R) Right Cerebrum Inferior Occipital Gyrus (L) Right Cerebellum Inferior Occipital Gyrus 0.88 (R) Left Cerebellum Inferior Temporal Gyrus 0.32 (R) Insula (R) Unidentified Parahippocampal Gyrus (R) Posterior Lobe (L) Lingual Gyrus (L) Posterior Lobe (R) Lingual Gyrus (C) Anterior Lobe (L) Lingual Gyrus (R) Anterior Lobe (R) Middle Occipital Gyrus 0.19 (L) Frontal-Temporal Space Middle (R) Occipital Gyrus 0.04 (R) Limbic Lobe (L) Middle Temporal Gyrus 0.80 (L) Limbic Lobe (C) Middle Temporal Gyrus 0.08 (R) Limbic Lobe (R) Superior Temporal Gyrus 0.58 (R) Sub-lobar (R) Superior Occipital Gyrus 0.08 (L) Occipital Lobe (L) Superior Occipital Gyrus (R) Occipital Lobe (C) Precentral Gyrus (R) Occipital Lobe (R) Inferior Frontal Gyrus (R) Temporal Lobe (L) Cuneus (L) Temporal Lobe (R) Cuneus (C) Parietal Lobe (L) Cuneus (R) Parietal Lobe (C) Angular Gyrus (R) Parietal Lobe (R) Supramarginal Gyrus (R) Frontal Lobe (C) Cingulate Gyrus (L) Frontal Lobe (R) Cingulate Gyrus (C) Cingulate Gyrus (R) Unidentified Inferior Parietal Lobule 8.88 (L) Posterior Cingulate Inferior (L) Parietal Lobule 0.77 (R) Posterior Cingulate Precuneus (C) (L) Posterior Cingulate Precuneus (R) (C) Sub-Gyral (L) Precuneus (R) Sub-Gyral (R) Superior Parietal Lobule 2.12 (L) Superior Parietal Lobule (R) Paracentral Lobule (C) [ ] SPM-Statistical Parametric Mapping 44
45 S.M SPM-Statistical Parametric Mapping 45
46 S.M SPM-Statistical Parametric Mapping 46
47 S.M Number of Voxels 2890 Max. coordinates Unidentified Right Cerebrum Unidentified Limbic Lobe (R) Frontal Lobe (R) Unidentified Sub-Gyral (R) Precentral Gyrus (R) Inferior Frontal Gyrus (R) Cingulate Gyrus (R) Middle Frontal Gyrus (R) Superior Frontal Gyrus (R) Medial Frontal Gyrus (R) Unidentified Gray Matter (R) White Matter (R) Unidentified Brodmann area 6 (R) Brodmann area 8 (R) Brodmann area 9 (R) Brodmann area 24 (R) Brodmann area 32 (R) Brodmann area 45 (R) Brodmann area 46 (R) SPM-Statistical Parametric Mapping 47
48 M.A SPM-Statistical Parametric Mapping 48
49 M.A SPM-Statistical Parametric Mapping 49
50 M.A SPM-Statistical Parametric Mapping 50
51 M.A Number of Voxels 2526 Max. coordinates Unidentified Inter-Hemispheric Left Cerebrum Right Cerebrum Right Cerebellum Left Cerebellum Number of Voxels Max. coordinates Unidentified Posterior Lobe Right (R) Cerebrum Anterior Lobe (L) Limbic Lobe (L) Frontal Lobe (R) Limbic Lobe (C) Sub-Gyral (R) Limbic Lobe (R) Precentral Gyrus (R) Occipital Lobe (L) Inferior Frontal Gyrus (R) Occipital Lobe Middle (C) Frontal Gyrus (R) Occipital Lobe (R) Temporal Lobe Unidentified (R) Parietal Lobe Gray (L) Matter (R) Parietal Lobe White (C) Matter (R) Parietal Lobe (R) Unidentified Brodmann area 6 (R) Unidentified Brodmann area 8 (R) Posterior Cingulate Brodmann (L) area 9 (R) Posterior Cingulate Brodmann (C) area 44 (R) Posterior Cingulate Brodmann (R) area 45 (R) Fusiform Gyrus (R) Inferior Occipital Gyrus (R) Lingual Gyrus (L) Lingual Gyrus (C) Lingual Gyrus (R) SPM-Statistical Parametric Mapping 51
52 G.A Confronto SPM-Statistical Parametric Mapping 52
53 Conclusioni Siamo partiti con l'inserimento dell'analisi statistica delle immagini PET cerebrali attraverso il software SPM come supporto alla diagnosi nel Ad oggi sono stati analizzati quasi 200 pazienti, con sospetta malattia di Alzheimer o con diagnosi incerta Abbiamo visto come il supporto di un software statistico sia molto importante, soprattutto nei casi dove la riduzione metabolica sia agli esordi e quindi difficilmente quantificabile a vista; Con tale metodica inoltre riusciamo ad inserire una valutazione operatore-indipendente Ad oggi l'analisi SPM delle PET cerebrali è entrata in routine ed utilizzata dal medico nucleare come supporto alla diagnosi visiva. SPM-Statistical Parametric Mapping 53
54 Futuro PET VBM SPM-Statistical Parametric Mapping 54
55 SPM-Statistical Parametric Mapping 55
56 Spazio di Tailarach - coordinate L origine è collocata sulla commissura anteriore (AC) I tre assi di coordinate sono definiti da: Piano assiale parallelo alla linea passante per AC-PC Piano saggittale parallelo alla linea AC-PC Piano coronale perpendicolare alle due precedenti SPM-Statistical Parametric Mapping 56
57 Tailairach vs MNI template function outpoints = mni2tal(inpoints) % Converts coordinates from MNI brain to best guess % for equivalent Talairach coordinates % FORMAT outpoints = mni2tal(inpoints) % Where inpoints is N by 3 or 3 by N matrix of coordinates % (N being the number of points) % outpoints is the coordinate matrix with Talairach points % Matthew Brett 10/8/99 dimdim = find(size(inpoints) == 3); if isempty(dimdim) error('input must be a N by 3 or 3 by N matrix') end if dimdim == 2 inpoints = inpoints'; end % Transformation matrices, different zooms above/below AC upt = spm_matrix([ ]); downt = spm_matrix([ ]); Assunzioni: AC è nella corretta posizione in MNI tmp = inpoints(3,:)<0; % 1 if below AC Linea cerebellare/corteccia cerebrale troppo bassa in inpoints = [inpoints; ones(1, size(inpoints, 2))]; MNI inpoints(:, tmp) = downt * inpoints(:, tmp); La parte anteriore inferiore del corpo calloso è troppo Il template MNI segue la convezione Tailarach ma non è coincidente inpoints(:, ~tmp) = upt * inpoints(:, ~tmp); alta (pitch correction 0.05 radianti) outpoints perfettamente = inpoints(1:3, ogni :); Per far coincidere i due atlanti è necessario uno zoom suo punto. if dimdim == 2 di 0.92 in Z, 0.97 in Y e 0.99 destra/sinistra Lettura outpoints suggerita: = outpoints'; Le trasformazioni qui sopra portano ad un cattivo end match sotto la linea AC/PC sotto uno zoom a Z di 0.84 SPM-Statistcal Parametric Mapping 57
Le demenze. Manuel Soldato Geriatra RSA S. F. Cabrini - Codogno
Le demenze Manuel Soldato Geriatra RSA S. F. Cabrini - Codogno LE DEMENZE DEFINIZIONE 1. La demenza definisce uno stato di progressivo decadimento delle funzioni cognitive prodotto da una patologia cerebrale
DettagliIl RUOLO DEL MEDICO DI MEDICINA GENERALE NELLA IDENTIFICAZIONE DELLE PERSONE CON SOSPETTA DEMENZA. T. Mandarino (MMG ASL RMA )
Il RUOLO DEL MEDICO DI MEDICINA GENERALE NELLA IDENTIFICAZIONE DELLE PERSONE CON SOSPETTA DEMENZA T. Mandarino (MMG ASL RMA ) La Malattia di Alzheimer La malattia di Alzheimer è la forma più frequente
DettagliI disturbi della mente
a.a. 2005/2006 Laurea Specialistica in Fisica Corso di Fisica Medica 1 I disturbi della mente 16/5/2006 Evoluzione Degenerazione delle capacità cognitive Invecchiamento buono Invecchiamento fisiologico
DettagliCosa cambia con i nuovi criteri diagnostici? Dr.ssa Laura Bracco
Cosa cambia con i nuovi criteri diagnostici? Dr.ssa Laura Bracco DEMENZA Sindrome clinica caratterizzata dal deterioramento della memoria e delle altre funzioni cognitive rispetto al livello di sviluppo
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliLa statistica multivariata
Cenni di Statistica Multivariata Dr Corrado Costa La statistica multivariata La statistica multivariata è quella parte della statistica in cui l'oggetto dell'analisi è per sua natura formato da almeno
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliProgetto Memento. Diagnosi precoce della malattia di Alzheimer e mantenimento della autonomia psicofisica
Progetto Memento Diagnosi precoce della malattia di Alzheimer e mantenimento della autonomia psicofisica Progetto Memento Diagnosi precoce della malattia di Alzheimer e mantenimento della autonomia psicofisica
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliRischio psicopatologico
Rischio psicopatologico http://www.medicinalive.com/sindrome-di-down Corso di Disabilità cognitive - Prof. Renzo Vianello - Università di Padova Power Point per le lezioni a cura di Manzan Dainese Martina
DettagliGUIDA AL CALCOLO DEI COSTI DELLE ATTIVITA DI RICERCA DOCUMENTALE
GUIDA AL CALCOLO DEI COSTI DELLE ATTIVITA DI RICERCA DOCUMENTALE L applicazione elaborata da Nordest Informatica e disponibile all interno del sito è finalizzata a fornirvi un ipotesi dell impatto economico
DettagliDomande a scelta multipla 1
Domande a scelta multipla Domande a scelta multipla 1 Rispondete alle domande seguenti, scegliendo tra le alternative proposte. Cercate di consultare i suggerimenti solo in caso di difficoltà. Dopo l elenco
DettagliLe regioni di interesse (ROI) e le curve
Le regioni di interesse (ROI) e le curve UNIVERSITÀ DEGLI STUDI DI MILANO Materiale didattico a cura della Dott.ssa Michela Lecchi Immagine digitale Immagine analogica: la variabile rappresentata è continua
DettagliPROGETTO EM.MA PRESIDIO
PROGETTO EM.MA PRESIDIO di PIACENZA Bentornati Il quadro di riferimento di matematica : INVALSI e TIMSS A CONFRONTO LE PROVE INVALSI Quadro di riferimento per la valutazione Quadro di riferimento per i
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliValutazione degli investimenti aziendali
Finanza Aziendale Analisi e valutazioni per le decisioni aziendali Valutazione degli investimenti aziendali Capitolo 18 Indice degli argomenti 1. Definizione e classificazione degli investimenti 2. I profili
DettagliLA MALATTIA DI ALZHEIMER: DAL SOSPETTO CLINICO ALLA DIAGNOSI (Parte II)
LA MALATTIA DI ALZHEIMER: DAL SOSPETTO CLINICO ALLA DIAGNOSI (Parte II) Dr. Roberto Bombardi Dirigente Medico Neurologia Ospedale San. Bassiano 11 Ottobre 2014 -Bassano del Grappa Eavluationofcognitive
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
DettagliUNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA
UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliCOMUNE DI RAVENNA GUIDA ALLA VALUTAZIONE DELLE POSIZIONI (FAMIGLIE, FATTORI, LIVELLI)
COMUNE DI RAVENNA Il sistema di valutazione delle posizioni del personale dirigente GUIDA ALLA VALUTAZIONE DELLE POSIZIONI (FAMIGLIE, FATTORI, LIVELLI) Ravenna, Settembre 2004 SCHEMA DI SINTESI PER LA
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio.
ALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio. Per una migliore caratterizzazione del bacino idrologico dell area di studio, sono state acquisite
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliLA REVISIONE LEGALE DEI CONTI La comprensione
LA REVISIONE LEGALE DEI CONTI La comprensione dell impresa e del suo contesto e la valutazione dei rischi di errori significativi Ottobre 2013 Indice 1. La comprensione dell impresa e del suo contesto
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliRELAZIONE PROVE INVALSI 2013 Introduzione
RELAZIONE PROVE INVALSI 2013 Introduzione L Istituto Nazionale per La Valutazione del Sistema di Istruzione (INValSI), su direttiva del Ministero dell Istruzione, ha predisposto un sistema di rilevazione
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliREALTÀ E MODELLI SCHEDA DI LAVORO
REALTÀ E MDELLI SCHEDA DI LAVR 1 La mansarda Per ultimare l edificazione di una villetta occorre costruire il tetto a due spioventi sopra la mansarda Come dato di progetto è noto quanto segue: considerata
DettagliESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004
ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e
DettagliSalute percepita nella ASL 8 di Cagliari
Salute percepita nella ASL 8 di Cagliari Servizio Igiene e Sanità Pubblica Direttore Dott. Giorgio Carlo Steri Database PASSI 2010 2013 % (IC95%) Percezione del proprio stato di salute: Buono Discreto
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliRendering air show e verifica della sincronizzazione
Capitolo 5 Rendering air show e verifica della sincronizzazione 5.1 Introduzione Il Rendering 3D dell evoluzioni acrobatiche costituisce uno degli aspetti cruciali dell applicazione realizzata. L ambiente
DettagliPROGRAMMA SVOLTO NELLA SESSIONE N.
Università C. Cattaneo Liuc, Corso di Statistica, Sessione n. 1, 2014 Laboratorio Excel Sessione n. 1 Venerdì 031014 Gruppo PZ Lunedì 061014 Gruppo AD Martedì 071014 Gruppo EO PROGRAMMA SVOLTO NELLA SESSIONE
DettagliOLIMPIADI DELLE NEUROSCIENZE 2013 REGOLAMENTO
OLIMPIADI DELLE NEUROSCIENZE 2013 REGOLAMENTO Le Olimpiadi delle Neuroscienze sono aperte agli studenti delle scuole medie superiori italiane e delle scuole superiori di lingua italiana di Slovenia e Croazia.
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliPer studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R
Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.
Dettaglia.a. 2005/2006 Laurea Specialistica in Fisica Corso di Fisica Medica 1 Utilizzo ECG
a.a. 2005/2006 Laurea Specialistica in Fisica Corso di Fisica Medica 1 Utilizzo ECG 27/4/2006 Cuore come dipolo elettrico Il cuore considerato come un generatore elettrico complesso, in cui sono presenti
DettagliIntroduzione alla teoria dei database relazionali. Come progettare un database
Introduzione alla teoria dei database relazionali Come progettare un database La struttura delle relazioni Dopo la prima fase di individuazione concettuale delle entità e degli attributi è necessario passare
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliEncefalo. Protocollo d esame RM
Encefalo Protocollo d esame RM Queste diapositive fanno parte di un corso completo e sono a cura dello staff di rm-online.it E vietata la riproduzione anche parziale Cenni Anatomici Cenni Anatomici Cenni
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliConoscere i volti della demenza. Cosa si deve sapere della malattia di Alzheimer e delle altre demenze
Conoscere i volti della demenza Cosa si deve sapere della malattia di Alzheimer e delle altre demenze Vero o falso? Barrare una casella e controllare la risposta alle pagine seguenti Vero Falso 1 Chi ha
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliLa progressione clinica
La progressione clinica I medici di fronte alla demenza nella donna e nell uomo Milano, 20 settembre 2014 Francesca Clerici Centro per il Trattamento e lo Studio dei Disturbi Cognitivi U.O. Neurologia
DettagliReport di valutazione Fiona Clark_Live
Report di valutazione Fiona Clark_Live Analysis Aptitude Generato il: 28-gen-2011 Pagina 2 2005-2009 Saville Consulting. Tutti i diritti riservati. Indice Introduzione al report di valutazione... 3 Attitudine
DettagliAnalisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda
Analisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda Premessa Con l analisi di sensitività il perito valutatore elabora un range di valori invece di un dato
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliGeneral Linear Model. Esercizio
Esercizio General Linear Model Una delle molteplici applicazioni del General Linear Model è la Trend Surface Analysis. Questa tecnica cerca di individuare, in un modello di superficie, quale tendenza segue
DettagliQUALITÀ E SICUREZZA PER I NOSTRI PAZIENTI
QUALITÀ E SICUREZZA PER I NOSTRI PAZIENTI L ACCREDITAMENTO INTERNAZIONALE ALL ECCELLENZA Fondazione Poliambulanza ha ricevuto nel dicembre 2013 l accreditamento internazionale all eccellenza da parte di
DettagliDalla Diagnosi Funzionale al PEI. Valutazione delle abilità attraverso l osservazione del comportamento e i test
Dalla Diagnosi Funzionale al PEI Valutazione delle abilità attraverso l osservazione del comportamento e i test Effetti del non Valutare Sopravvalutare Problemi di comportamento (isolamento) Sottovalutare
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliFUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x)
1 FUNZIONE Dati gli insiemi A e B, si definisce funzione da A in B una relazione o legge o corrispondenza che ad ogni elemento di A associa uno ed un solo elemento di B. Si scrive: A B f: A B f() (si legge:
DettagliLo sviluppo del cancro è un processo complesso che coinvolge parecchi cambiamenti nella stessa cellula staminale. Poiché tutte le cellule staminali
Tumore Cos è il tumore? Il tumore o neoplasia (dal greco neo,, nuovo, e plasìa,, formazione), o cancro se è maligno, è una classe di malattie caratterizzate da una incontrollata riproduzione di alcune
DettagliIL TEST DI ACCESSO AI CORSI DI STUDIO TRIENNALI DI PSICOLOGIA
AI CORSI DI STUDIO TRIENNALI DI PSICOLOGIA Claudio Barbaranelli Sapienza Università di Roma, Dipartimento di Psicologia 1 OUTLINE - Le prove del test - Il bando: localizzazione e contenuti - La difficoltà
DettagliSTRATEGIA DI TRADING. Turning Points
STRATEGIA DI TRADING Turning Points ANALISI E OBIETTIVI DA RAGGIUNGERE Studiare l andamento dei prezzi dei mercati finanziari con una certa previsione su tendenze future Analisi Tecnica: studio dell andamento
DettagliEsame di Stato 2015 - Tema di Matematica
Esame di Stato 5 - Tema di Matematica PROBLEMA Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di euro al mese, più centesimi per ogni minuto
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliSostituto abilitato Entratel con più sedi: ricezione diretta e incarico ad intermediario abilitato
FAQ Flusso telematico dei modelli 730-4 D.M. 31 maggio 1999, n. 164 Comunicazione dei sostituti d imposta per la ricezione telematica, tramite l Agenzia delle entrate, dei dati dei 730-4 relativi ai mod.
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
DettagliADI per Alzheimer : un progetto sperimentale di assistenza. O. Casati; C. Negri Chinaglia, S.Chirchiglia; P. Bertolaia
ADI per Alzheimer : un progetto sperimentale di assistenza O. Casati; C. Negri Chinaglia, S.Chirchiglia; P. Bertolaia CONTESTO GENERALE In Italia l 80% circa dei pazienti affetti da demenza è assistita
DettagliPreprocessing di un immagine in scala di grigi parte 2/2
Preprocessing di un immagine in scala di grigi parte 2/2 Preview Il comando Automatic preprocessing (2) del menu Preprocessing effettua un preprocessing totale. Il risultato è una sequenza di immagini
DettagliAppendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi
Appendice III (articolo 5, comma 1 e art. 22 commi 5 e 7) Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi 1. Tecniche di modellizzazione 1.1 Introduzione. In generale,
Dettaglie-dva - eni-depth Velocity Analysis
Lo scopo dell Analisi di Velocità di Migrazione (MVA) è quello di ottenere un modello della velocità nel sottosuolo che abbia dei tempi di riflessione compatibili con quelli osservati nei dati. Ciò significa
DettagliIl Test d ingresso per la Facoltà à di Scienze. PISA 3 dicembre 2008
Il Test d ingresso per la Facoltà à di Scienze PISA 3 dicembre 2008 SOMMARIO Il documento ufficiale Esempio di test I punti del documento ufficiale della Conferenza delle Facoltà di Scienze Necessità di
DettagliDatabase. Si ringrazia Marco Bertini per le slides
Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida
DettagliRenzo Vianello Disturbi Pervasivi dello Sviluppo o Spettro autistico. Volume sulle Disabilità intellettive, cap. 5.
Renzo Vianello Disturbi Pervasivi dello Sviluppo o Spettro autistico Volume sulle Disabilità intellettive, cap. 5. I disturbi pervasivi dello sviluppo si caratterizzano per la presenza di disabilità almeno
DettagliSISTEMA di GESTIONE QUALITÀ Non Conformità ed Efficacia delle Azioni Correttive Preventive
SISTEMA di GESTIONE QUALITÀ Non Conformità ed Efficacia delle Azioni Correttive Preventive Il sistema di gestione della qualità a cui mi riferisco è quello relativo alla norma ISO-9001:2000. Prima di entrare
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliSISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione
SISTEMI INFORMATIVI AVANZATI -2010/2011 1 Introduzione In queste dispense, dopo aver riportato una sintesi del concetto di Dipendenza Funzionale e di Normalizzazione estratti dal libro Progetto di Basi
DettagliINDAGINE SULLA PERCEZIONE DELLA SODDISFAZIONE DEI CLIENTI GECA. Rapporto di sintesi.
INDAGINE SULLA PERCEZIONE DELLA SODDISFAZIONE DEI CLIENTI GECA. Rapporto di sintesi. I N D U S T R I E G R A F I C H E 1 Geca Spa Industrie Grafiche Via Magellano 11, 20090 Cesano Boscone (MI) Tel. +39
DettagliSistema operativo: Gestione della memoria
Dipartimento di Elettronica ed Informazione Politecnico di Milano Informatica e CAD (c.i.) - ICA Prof. Pierluigi Plebani A.A. 2008/2009 Sistema operativo: Gestione della memoria La presente dispensa e
DettagliIdentificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete Neuronale
Identificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete euronale Descrizione Il presente lavoro, facente segiuto a quanto descritto precedentemente, ha il fine di: 1) introdurre
DettagliChe cosa e come valutano le prove di matematica e con quali risultati. nell A.S. 2008 2009
Che cosa e come valutano le prove di matematica e con quali risultati nell A.S. 2008 2009 Presentazione a cura di Roberta Michelini Casalpusterlengo, 8 gennaio 2010 http://www.invalsi.it/esamidistato0809/
DettagliLa Metodologia adottata nel Corso
La Metodologia adottata nel Corso 1 Mission Statement + Glossario + Lista Funzionalià 3 Descrizione 6 Funzionalità 2 Schema 4 Schema 5 concettuale Logico EA Relazionale Codice Transazioni In PL/SQL Schema
DettagliLibrerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video
Video Librerie digitali Gestione di video Ogni filmato è composto da più parti Video Audio Gestito come visto in precedenza Trascrizione del testo, identificazione di informazioni di interesse Testo Utile
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
DettagliSCELTA DELL APPROCCIO. A corredo delle linee guida per l autovalutazione e il miglioramento
SCELTA DELL APPROCCIO A corredo delle linee guida per l autovalutazione e il miglioramento 1 SCELTA DELL APPROCCIO l approccio all autovalutazione diffusa può essere normale o semplificato, a seconda delle
DettagliFUNZIONE REALE DI UNA VARIABILE
FUNZIONE REALE DI UNA VARIABILE Funzione: legge che ad ogni elemento di un insieme D (Dominio) tale che D R, fa corrispondere un elemento y R ( R = Codominio ). f : D R : f () = y ; La funzione f(): A
DettagliDATA BASE ON LINE (BANCA DATI MODULI SPERIMENTALI)
Progetto regionale antidispersione per favorire l adempimento dell obbligo d istruzione 2 a annualità DATA BASE ON LINE (BANCA DATI MODULI SPERIMENTALI) MANUALE DI UTILIZZO Indice Premessa 3 Ingresso nel
DettagliIndice. pagina 2 di 10
LEZIONE PROGETTAZIONE ORGANIZZATIVA DOTT.SSA ROSAMARIA D AMORE Indice PROGETTAZIONE ORGANIZZATIVA---------------------------------------------------------------------------------------- 3 LA STRUTTURA
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliLa Malattia di Alzheimer. Manuel Soldato
La Malattia di Alzheimer Manuel Soldato Caratteristiche Più frequente forma di demenza Deterioramento ingravescente delle capacità cognitive Comparsa di disturbi comportamentali e dell affettività Progressiva
Dettagli1 Appunti a cura di prof.ssa MINA Maria Letizia integrati e pubblicati in data 12/10/10
FUNZIONE OMOGRAFICA ASINTOTO VERTICALE: ASINTOTO ORIZZONTALE: 1 abbiamo verificato che, applicando all iperbole equilatera base, la dilatazione verticale di coefficiente 7 e la traslazione di vettore di
DettagliANCHE IL LINFEDEMA SECONDARI O E MALATTIA DISABILITAN TE: UN INDICE DA PROPORRE ALL INPS
ANCHE IL LINFEDEMA SECONDARI O E MALATTIA DISABILITAN TE: UN INDICE DA PROPORRE ALL INPS Dott. Maurizio Ricci U. O. Medicina Riabilitativa Azienda Ospedaliero- Universitaria Ospedali Riuniti di Ancona
DettagliSvolgimento 1 Scriviamo la funzione f(x) che rappresenta la spesa totale in un mese: Figura 2 Il grafico di f(x).
Problema 1 Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di euro al mese, più centesimi per ogni minuto di conversazione. Indicando con
DettagliPolli e conigli. problemi Piano cartesiano. Numeri e algoritmi Sistemi e loro. geometrica. Relazioni e funzioni Linguaggio naturale e
Polli e conigli Livello scolare: primo biennio Abilità Interessate Calcolo di base - sistemi Risolvere per via grafica e algebrica problemi che si formalizzano con equazioni. Analizzare semplici testi
DettagliLa pista del mio studio Riflettiamo sulla pista. Guida per l insegnante
Riflettiamo sulla pista Guida per l insegnante Obiettivi educativi generali Compito di specificazione - possiede capacità progettuale - è in grado di organizzare il proprio tempo e di costruire piani per
DettagliEffetti sull opinione di pazienti riguardo all utilizzo di un computer in uno studio medico nell assistenza ordinaria
Effetti sull opinione di pazienti riguardo all utilizzo di un computer in uno studio medico nell assistenza ordinaria Christopher N. Sciamanna, Scott P. Novak, Bess H. Marcus. International Journal of
DettagliPROGETTO GIOBBE. RSA SENZA DOLORE Teatro Casa di Cura Beato Palazzolo - Bergamo 2 APRILE 2014. Dr. Francesco Locati Direttore Sociale ASL
PROGETTO GIOBBE. RSA SENZA DOLORE Teatro Casa di Cura Beato Palazzolo - Bergamo 2 APRILE 2014 Dr. Francesco Locati Direttore Sociale ASL Il dolore Il dolore è una delle principali malattie che si incontrano
DettagliValutazione dell IG di Frollini tradizionali e preparati con farina con l aggiunta del % di Freno SIGI.
Valutazione dell IG di Frollini tradizionali e preparati con farina con l aggiunta del % di Freno SIGI. Premessa L'indice glicemico (IG) di un alimento, definito come l'area sotto la curva (AUC) della
Dettagli