Optimiziranje dijagnostičku moć s pražnjenjem želuca scintigrafije u različitim vremenskim points

Ovaj članak ima Otvoreno peer izvješća pregledali dostupne. Pregled

Kako biste otvorili Peer Review posao?
Optimiziranje dijagnostičku moć s pražnjenjem želuca scintigrafija u različitim vremenskim točkama
apstraktne pregled pozadine
pražnjenje želuca scintigrafija (GES) u intervalima od 4 sata nakon standardiziranog radioaktivno obilježenog obrok obično se smatra zlatnim standardom za dijagnosticiranje gastropareze. Ciljevi ovog istraživanja bili su: 1) istražiti najbolje vrijeme točke i najbolju kombinaciju više vremenskih točaka za dijagnosticiranje gastropareze s ponovljenim mjerenjima GES, i 2) da kontrast i unakrsno provjeriti Fisherov linearna analiza različitih (LDA), čin temelji Distribucija Besplatno (DF) pristup, i (CART) Model klasifikacija i regresija stablo.
Metode
je ukupno 320 bolesnika s GES mjera na 1, 2, 3, i 4 sata (h) nakon standardne obrok pomoću standardne metode retrospektivno su prikupljeni. Površina pod Receiver Operating Obilježja (ROC) krivulja i stopu lažnih klasifikacije kroz nož na sklapanje unakrsne validacije su korišteni za usporedbu modela. Pregled Rezultati
Zbog jake povezanosti i abnormalnosti u distribuciji podataka, bez značajnog poboljšanja u dijagnostičke snaga je pronađen s najboljim linearna kombinacija od strane ALD pristup čak i uz transformaciju podataka. S DF postupku, linearna kombinacija 4-h i 3-h povećana površina ispod krivulje (AUC), te smanjuju broj pogrešnih klasifikacija (0,87, 15,0%) za pojedine vremenskih točaka (0.83, 0.82; 15,6%, 25,3 %, 4-h i 3-h) na višoj razini osjetljivosti (sensitivity = 0,9). Kola modela pomoću 4 po satu Ges mjerenja zajedno s dobi pacijenta bio najtočniji dijagnostički alat (AUC = 0,88, lažno klasifikacijski = 13,8%). Pacijenti koji imaju 4-H želučane vrijednost za zadržavanje >. 10% su 5 puta veću vjerojatnost da imaju gastropareze (179/207 = 86,5%) od onih s ≤10% (18/113 = 15,9%) pregled Zaključci
s mješovitoj skupini bolesnika bilo iz sa sumnjom gastropareza ili pod istragom zbog drugih razloga, KOŠARICU model je robustan više nego ALD i DF pristupa, sposobna pomirljiv kovarijan učinke i mogu generalizirati za cross institucionalnih aplikacija, ali bi mogao biti nestabilan, ako veličina uzorka je ograničen. pregled Pozadina pregled pražnjenja želuca scintigrafiju u intervalima više od 4 sata nakon standardiziranog obroka obično se smatra kao zlatni standard za mjerenje pražnjenje želuca puta. U praksi, pojednostavljena satu mjera zaostalih želučanog sadržaja se koristi za dijagnosticiranje gastropareze definiran kao zakašnjelog pražnjenja želuca (GE) u odsutnosti mehaničke opstrukcije [1, 2]. Tehnika Mjere radioaktivno obilježenog hrana ostaje u želucu u satnim intervalima nakon pacijent proguta standardizirani obrok [3] kao pokazatelj odgođen GE. Zbog razlike u hrani koriste, tehnike se koriste, i krajnjih točaka izmjerenih GES, analizu i tumačenje rezultata variraju između institucija [4]. Većina dosadašnjih istraživanja su pokazala da usporeno pražnjenje želuca može se najbolje pokazala u želučanom zadržavanje > 10% na 4- sata nakon obroka, koji je osnovan kao 95 percentila u želučanom zadržavanja sa zdravim dobrovoljcima kroz multicentričnoj studije [5, 6] , Kao i uvijek, dijagnostički odluka distribucija temelji na proizvoljan i može se neizbježno izazvati pogrešku zbog pogrešne klasifikacije. To je izvijestio da je pojednostavljen pristup ima specifičnost 62% i osjetljivost od 93% [7]. Drugi koriste zadržavanje posto na 2 sata kao rutinskih kliničkih mjerenja GES [8], sugerirajući GES na 2 sata ili 3-sata može biti najbolji pojedinac vremenska točka s višim dijagnostičke moći. No, posto želučani retencije u različitim vremenskim točkama mogu također biti predmet dobi pacijenta i spolu [5]. Nedostatak standardizacije u provođenju GES zajedno s razlikama u kvantitativnoj analizi se koriste u raznim institucijama može ograničiti kliničku korisnost testa, a predstavlja problem ako križ institucionalne podaci moraju biti ocijenjeni. U 2008. godini, u ime američkog Neurogastroenterology i pokretljivost društva i društva za nuklearnu medicinu, istraživači iz 13 američke zdravstvene ustanove zajednički izdaju konsenzus izjavu za standardizaciju GES preko institucija [4]. Osim toga, pitanja koja zahtijevaju daljnja istraživanja identificirane su konsenzus koji uključuju: 1) korištenje 3-sata u odnosu na 2 i 4-H rezultata za otkrivanje odgođeno GE; i 2) Uporaba više vremenskih točaka (2- i 4-H), u usporedbi jednu 2- ili 4-H vrijednosti za daljnje razumijevanje kliničkom smislu oprečnim rezultatima između 2 i 4-H skenira. pregled Metodologija o korištenju različiti dijagnostički biljezi za otkrivanje bolesti ili procjenu zdravstvenih rizika je aktivan području istraživanja [9-11]. Uz brz napredak u genomske i proteomskog tehnologija, usmjerenost na otkrivanje bolesti marker-based i procjenu rizika je sada pomaknut iz jednog biomarkera na ploči biomarkera jer različiti markeri mogu biti osjetljivi na različite aspekte bolesti [12]. Tvrdi se da je, u usporedbi s jednom kliničkom ili genetski marker, panel više oznaka može sadržavati višu razinu diskriminirajući informacija, posebno na velike heterogene populacije pacijenata i za složene višestupanjskih bolesti. To je važno jer pomoću više oznaka istovremeno moglo dovesti do novog dijagnostičkog mjere s većom osjetljivošću [11].
Kada više biljezi kontinuirani i normalno distribuirani, Fisherov LDA pruža najbolju linearnu kombinaciju koja povećava osjetljivost na cijelom rasponu specifičnost ravnomjerno u multivarijatne normalne modela distribucije [11]. Kad marker vrijednosti odstupaju od normalnog, kutija-Cox transformacija energije može se koristiti za poboljšanje normalan formi [13]. Ovaj pristup je pronađena učinkovita u procjeni krivulje AUC i ROČ ako o pravim distribucija, bilo na izvornom ili na transformirane razmjera, blizu su multivarijatna normalno [11]. Inače, rang temelji distribucija slobodan pristup može se primijeniti. Teoretski aspekti najboljih linearna kombinacija za biomarkera i iskazuju [[9, 11, 14-19] i [20]]. Fisherov LDA je lakše izračunati, a DF pristup je više robustan do odstupanja od normalne distribucije, ali je računski previsoki, ako su više od dva markera koji su uključeni [19]. Koristili smo procjene parametra iz LDA kao polazna točka za mrežu potrazi sa DF, ako se čuvar prostor nadilazi bilateralne. Kola model, s druge strane, pruža drugačiji pristup kako bi se optimizirala dijagnostički snagu kada markeri su višedimenzionalni [21-23]. Umjesto stvaranja novog dijagnostičkog mjeru kao što je LDA ili DF, KOŠARICU koristi sekvencijalni proces identificirati skup prediktorskih varijabli, u izvornom mjerilu, koji najbolje razlikovati skupine među ishod varijable od interesa. To je osobito korisno kada postoji mnogo prediktorskih varijabli koje su visoko korelirane. To je računski manje intenzivno i lako protumačiti, ali može biti nestabilan, ako je model neadekvatno obučeno s ograničenim podacima.
Većina dosadašnjih istraživanja usredotočiti na izvođenju najbolju kombinaciju markera koji maksimizira AUC za subjekte čija je poznato stanje bolesti [11 , 14-20]. Nije jasno je li se dijagnostički snage za takvu kombinaciju proteže se na stanovništvo s poznatim marker vrijednosti, ali status nepoznatog bolesti ili za stanovništvo čiji se čuvar vrijednosti se ne koriste za izvođenje dijagnostičkih parametara. Uz standardiziranog obroka (vidi Materijali i metode) i satu Ges tehniku ​​(pet 2-minuta imaging sesija) u razdoblju četiri sata, nije potrebno mnogo vremena kamera, dok se rezultati mogu biti ponovljiv iz bolnice u bolnicu. U ovom radu procjenjuje statističke mogućnosti koje optimiziraju dijagnostički snage s GES mjera na nekoliko vremenskih točaka. Korištenje primarne kliničke dijagnoze, definiran simptomima kao što su mučnina, povraćanje, rana sitost, postprandijalnom punine, nelagoda u trbuhu i bol, pored dokaza zakašnjelog pražnjenja želuca u odsutnosti mehaničke izlazna opstrukcija želuca, kao istinski status gastropareza , ova studija se fokusira na pronalaženje parametara najboljih linearna kombinacija GES u različitim vremenskim točkama podataka o vježbanju, dakle, istražuje i unakrsno potvrđuje njegovu učinkovitost u test podataka koji nije bio korišten za izvođenje modela. pregled Metode
prijemnik Operativni karakteristična krivulja (ROC), a površina ispod krivulje posebno je jednostavan i smislen mjera za procjenu korisnosti dijagnostički marker (s) [10]. Tijekom rada, ROC i AUC se koristiti za usporedbu različitim metodama i različitim modelima za najbolju dijagnostičku moć gastropareza. Zbroj lažno pozitivnih i lažno negativnih dijagnoza preko cijelog uzorka korišten je za kontrast dijagnostičku moć između LDA, DF i CART kroz nož na sklapanje (uzeti jedan od njih) unakrsna validacija.
Fisherov Linearna diskriminacijska pristup (LDA), pregled, neka w pregled <sub>ij pregled predstavlja i pregled <sup>th
marker vrijednosti j pregled th
temu u oboljelom skupini; i v pregled ik
biti i pregled th
marker vrijednosti od k pregled th
temu u kontrolnoj skupini; gdje sam pregled = 1, ..., p; j pregled = 1, ..., m; i k pregled = 1, ..., n. pregled Pretpostavimo da su X i Y vektora marker vrijednosti s multivarijatne normalne distribucije za bolesne i kontrolne skupine, odnosno, zatim (1) Koeficijent vektor, α pregled p × 1, za najbolju linearna kombinacija kombinirane markera vektor od oboljelih i kontrolne skupine prema kriterijima RH je: (2) AUC ispod ROC krivulje je: (3) Ako Φ označava standardni kumulativni . normalna funkcija distribucije
specifičnost (F a (c)) i osjetljivost (H a (c)) su: (4) (5) Rank temelji distribucija Besplatna pristup (DF) pregled pod čin temelji distribuciju slobodnog pristupa [19], AUC se može izračunati kao statistika Mann-Whitney u [24]: (6) Napomena, za kontinuiranu distribuciju, Pr (I
= 1/2) = 0. pregled, gdje, w pregled ij pregled je i pregled th marker vrijednosti za j pregled th temu u oboljelom skupini; v pregled ik pregled je i pregled th marker vrijednosti za k pregled th temu u kontrolnoj skupini; i, j, k, m pregled i pregled n kao što je definirano u prethodnom odjeljku, AUC pregled (α pregled) je dio ispod krivulje strane distribucije slobodan pristup s optimalnom vektor koeficijent (a). Budući da RH je nepromjenjivi za monotona veću transformaciju, koeficijent vektorski α
iu LDA i DF pristupi mogu povećanu kao (1, β 2 /β 1, β 3 /β 1, ... β i /β 1), gdje je β i /β 1 predstavlja uteg za i pregled th čuvar vrijednosti u odnosu na marker 1 [19]. pregled Klasifikacija i regresijskih stabala (CART) Model pregled razliku LDA ili DF, metodologija KOŠARICU identificira skup prediktora iz svih varijabli koje najbolje razlikuju nastavu u ishodu interesa u uzastopnim procesu. Na svakom koraku (čvor), KOŠARICU algoritam prvo identificira najbolji prediktor iz svih varijabli kandidata, a zatim pretražuje po svim vrijednostima za najbolji pokazatelj, ali koristi samo jedna kritična točka za podjelu uzorka unutar čvora u dvije pod-grane. Ona će zatim pretražiti preko svih prediktorskih varijabli i identificira najbolju kritična točka od najboljih prediktora unutar svakog pod-grane i ponavlja postupak sve dok se određeni kriteriji, kao što su minimalne varijance ili minimalne veličine grupe, u svim terminala čvorova zadovoljen. Na svakom čvoru, KOŠARICU nastoji klasificirati uzorak u grupe tako da se dosegne maksimalna homogenost djece čvorova. Kada se dostigne terminalni čvor, model daje vjerojatnost pripadnosti određenoj kategoriji za sve ostale predmete koji spadaju u taj čvor. U praksi, minimalna veličina čvora obično je postavljen na 10% uzorka za učenje kako bi se izbjegle potencijalno više dolikuje model, tako da je konačna odluka stablo je više vjerojatno da će biti korisno za razvrstavanje populacije sa sličnim karakteristikama kao što uzorka za učenje, ali je ne koristi se za izvođenje Kola model. Za razliku od ALD pristupu, KOŠARICU može biti osobito korisno kada je korelacija obrasci među prediktorskih varijabli nisu dosljedni tijekom cijelog raspona, jer to nije potrebno za isto varijabla biti optimalan za područnim čvorova cijelog stabla [22]. pregled procjena parametara pregled za ALD pristupa, pisali smo SAS /IML programa [25] za izračunavanje srednje vrijednosti (m), varijanca (s) za bolesne i kontrolne skupine, a sve procjene parametara su opisani u metodi odjeljak. Prvo, koeficijent vektor α
, AUC za linearna kombinacija, kao i za pojedinačne markera dobiven s jednadžbama (2) i (3) iz podataka za trening. Zatim je koeficijent α pregled je primijenjena na odgovarajućim ispitnim podacima za dobivanje linearna kombinacija rezultat. Tri granične vrijednosti koje odgovaraju na razine osjetljivosti na 0.7, 0.8 i 0.9 za linearna kombinacija rezultat dobiveni su s podacima gastropareze koriste u jednadžbi (5). Svaka vrijednost praga se koristi na izostavljeni podataka klasificirati slučaj u bilo bolesnom ili ne-oboljelom grupi. Predviđeni status je tada prelaze u tablicama s poznatim kategoriji bolesti.
DF pristup počelo s proizvoljnim polazište, a zatim rešetke tražili koeficijenata koji maksimiziraju statistika Mann-Whitney U s podacima za trening u sljedećim koracima.
1) linearna kombinacija ocjenu za svakog promatranja dobivena množenjem marker vektor X s početnom koeficijentu vektora, α pregled (1, α pregled). pregled 2) AUC odgovara koeficijent vektor α Netlogu se obračunava s jednadžbom (6). pregled, 3) Ponavljanje prva dva koraka za svaku moguću vektor koeficijenata, te objedinjavajući odgovarajući AUC i a
. pregled, 4) Odaberite koeficijent koji maksimalan AUC i identificirati kritične linearna kombinacija indeksne vrijednosti 0,7, 0,8, i 0,9 osjetljivost razina. pregled 5) Primjena koeficijenta od korak 4 do test podaci za dobivanje najbolje linearna kombinacija rezultat. pregled 6) Primjena svaka kritična vrijednost od korak 4 u test podaci predvidjeti svaki slučaj u bilo bolesno ili ne-bolesne skupine, a zatim prelaze tabelirati s poznatim kategoriji bolesti.
za KOŠARICU model, koristili smo se stablo paket unutar R [26] okolina za svaku od četiri po satu mjera i njihove kombinacije, uz starost pacijenta i spolu identificirati najbolji model. Križna validacija uz minimalne veličine od 10 ispitanika za svaku terminala čvor se koristi za optimizaciju modela stabla odlučivanja koristeći sve primjedbe [27]. AUC za svaku optimiziran stabla odlučivanja je izračunata za usporedbu u svim modelima. Zatim, jedan promatranje je uzet iz cijelog uzorka, a preostali predmeti korišteni za izgradnju stabla odlučivanja, što zauzvrat je korišten za predviđanje status bolest izostavilo promatranja. Učinak svakog stabla odlučivanja se sažeti u ukupnom broju pogrešnih predviđanja cijeloj uzorka.
Gastropareza podaci
ukupno 320 karata od pacijenata u dobi od 16 ~ 89 (42,8 ± 14,3 (srednja vrijednost ± SD)), 255 (79%) žena, s GES mjera na 1 sat, 2 sata, 3 sata i 4 sata nakon standardnog obroka pomoću standardizirane metode (5) retrospektivno su prikupljeni na University of Kansas Medical Center (KUMC). Protokol istraživanja odobrio je Institutional Review Board (IRB) na KUMC. Tijekom mjerenja GES, udio obroka konzumira i zabilježen je vrijeme potrebno za potrošnju. Ispitanici s neobičnim posto obroka konzumira (npr < 20% obroka) /vrijeme potrošnje (npr > 30 minuta) su isključeni. Svi pacijenti su ili iz sa sumnjom gastropareza ili pod istragom zbog drugih razloga zbog vlastitih izvijestio simptomima kao što su mučnina, nadutosti, rana sitost, povraćanje i nadutost. Na temelju ukupne ocjene, osim satnih GES mjera, studije liječnici dijagnosticirali 197 (62%) od 320 pacijenata s gastropareza kao primarni razlog za gore navedene kliničkih simptoma i njihova posjeta bolnici. Unatoč sličnim medicinskim iskustvima, bolesti osim gastropareza se smatralo da su primarne dijagnoze za preostalih 123 pacijenata. Nema značajne razlike u prosječnom dobi (p = 0,12, t-test) i spol (p = 0,99, do χ 2 test) nalaze se između skupina sa i bez gastropareza. Za svakog pacijenta, pražnjenje želuca scintigrafija je izvedena ujutro natašte s prokinetika mirovati barem 3 dana. Standardizirani postupak pražnjenja želuca se sastoji od protuvrijednosti od dvije kajgana (zamjena jaje) obilježenih 99m Tc sumpor-koloid, 2 komada tosta s mliječi i 4 oz vode u ukupnoj vrijednosti kalorija 255 kcal. Prednji i stražnji slike želuca uzeti su neposredno nakon jela, a zatim svaki sat tijekom 4 sata [28]. Pregled Rezultati
tijekom ponovljenih mjerenja pražnjenja želuca posto retencije izotopa u želucu, na 1-h 2-h, 3-h, i 4-h nakon obroka opada s vremenom i korelirane, posebno za muškarce i za pacijente s gastropareza. Spearmanov koeficijent korelacije u rasponu od 0,34 (p < 0.001) između 1-h i 4-h u pacijenata bez gastropareze do 0,93 (p < 0.001) između 3 sata i 4-h za pacijente s gastropareza. Sve u svemu, raspodjela u zadržavanju posto odstupio od normalnog, a prva dva satnih vrijednosti iskrivljene prema donjem kraju, a druga dva sata iskrivljene prema višem kraju (slika 1). Slika 1 posto želuca zadržavanje na 1-H, 2-h, 3-H i 4-h nakon obroka za slučaj (zeleno) u odnosu na kontrolu (sive). 1-H-C, 2-h-c, 3-H-C, 4-H-C predstavlja posto gastričko pražnjenje (GE) na 1-H, 2-H, 3-h, i 4-h nakon obroka bolesnika gastropareza dijagnosticirana; Dlaka predstavlja 70% raspon interquartile. Pregled, dijagnostičke ovlasti LDA i DF pristup
po satu mjera na 3 sata i 4-h ranije su izvijestili da imaju najbolji dijagnostički uslužni program, u kontrastu smo svoju najbolju linearnu kombinaciju oba LDA ( Slika 2) i DF pristupi (Tablica 1). Prvo, procjenjuje se AUC za dva mjerenja, zajedno s optimalnim koeficijentom za svoje najbolje linearne kombinacije i vrijednosti praga za linearna kombinacija rezultata na 0,7, 0,8 i 0,9 razine osjetljivosti i od strane LDA i DF pristupa za sve, ali 1 od 320 subjektima. Optimalni koeficijent uz tri vrijednosti praga se zatim nanijeti na izostaviti subjekta. Usporedbom vrijednosti praga s izračunatim linearna kombinacija bodova, zabilježen je predvidio gastroparetic status za izostavila temu. Stope lažno negativnih i lažno pozitivnih dobiveni su ponavljajući proces nož na sklapanje za svih 320 ispitanika. Zatim, Box-Cox transformacija energije primijenjena a isto analiza ponovljena transformiranih podataka. Slika 2 prijemnika Radni Karakterističan (ROC) krivulja za svakog sata zadržavanja posto na 2 sata, 3-H, 4-h, a njihov najbolji linearna kombinacija. Površina ispod krivulje (AUC) povećao se s 2-h do 4 sata, a maksimalan s najboljim linearna kombinacija svih triju satnih mjerenja.
Tablica 1. Procjene parametara (površina ispod krivulje (AUC) i koeficijent za najbolji linearna kombinacija ) sa Fishera linearna analiza različitih (LDA) i distribucija Besplatno (DF) prilazi pregled pregled, 4-h
3 h
linearna kombinacija DF
linearna kombinacija LDA

Raw

Tran

Raw

Tran

α

Raw

α

Tran

α

Raw

α

Tran

Mean
0.830
0.879
0.824
0.827
0.02
0.869
0.02
0.869
0.681
0.834
0.055
0.881
STD
0.002
0.001
0.002
0.002
0.00
0.001
0.00
0.001
0.032
0.002
0.002
0.001
Median
0.830
0.879
0.824
0.827
0.02
0.869
0.02
0.869
0.679
0.833
0.055
0.880
Range
0.013
0.009
0.011
0.009
0.00
0.008
0.00
0.008
0.284
0.012
0.017
0.009
Napomena: Raw stoji za AUC za mjerenje u originalnom mjerilu; pregled, Tran predstavlja AUC za mjerenje u transformiranim skali; pregled, α je koeficijent za najbolju linearna kombinacija za mjerenje u 3 sata poslije obroka
najbolje linearne. kombinacije dvaju satu mjerama povećao dijagnostičku moć njegovih pojedinih komponenti od strane oba pristupa (Tablica 2), ali je dobitak bio ograničen, 3,9% za DF, te 0,4% za LDA pristup. Kao što se očekivalo, Box-Cox transformacija energije na pojedinim markera poboljšali dijagnostičke snage sa najboljim linearna kombinacija s ALD pristupa za 4,7% nego u sirovom measures.Table 2 Lažni klasifikacije (%) s nož na sklapanje unakrsne validacije Fisher-ov linearni diskriminacijska Analiza (LDA) i distribucija Besplatno (DF) prilazi
Kriteriji
3- h DF
4-h DF
linearna kombinacija DF
linearna kombinacija LDA
0,7 pregled, 24 (19,5%)
59 ( 30,0%)
16 (13,0%)
59 (30,0%)
15 (12,2%)
58 (29,4%)
15 (12,2%)
64 (32,3% )
0,8 pregled, 37 (30,1%)
39 (19,8%)
21 (17.1%)
40 (20,3%)
21 (17.1%)
40 ( 20,3%)
20 (16,3%)
46 (23,4%)
0,9 pregled, 60 (48,8%), pregled, 21 (10,7%), pregled, 27 (21,9%) pregled 23 (11,7%)
28 (22,8%) pregled, 20 (10,2%)
27 (22,0%)
22 (11.2%) pregled Napomena:: Model predviđa status bolesti (1 za da, 0 za ne); pregled, y pregled: status dijagnosticirana bolest (1 za da, 0 za ne)
Sa sirovih podataka, razlike u zbroju lažno pozitivnih i lažno negativnih stopa za najbolji. linearne kombinacije su bile 0,2%, 1,6% i -6,5% između DF i LDA pristupe na razini osjetljivosti na 0,7, 0,8 i 0,9. Dok su lažni negativna stopa od strane ALD pristup pokazao veliki odmak od one koja odgovara pohranjenih razine praga (≤3.0%), oni koje je DF pristupa su relativno blizu (≤ ± 0,2%). Pregled transformacije podataka poboljšali dijagnostičke moć od najboljih linearnih kombinacija za oba LDA i DF pristupa smanjuje iznos od lažno negativnih i lažno pozitivnih stopa. Redukcije su 2,2%, 2,8%, 13,8% i -0,9%, -1,1%, 20,1% za DF i LDA pristupa, respektivno. Zanimljivo je da je najveći napredak u dijagnostičkom vlasti je na višoj razini osjetljivosti za oba pristupa. Pregled, dijagnostički ovlasti kolskim pristupu pregled Sedam modela stabla odlučivanja, uključujući i puni model (4 satne mjerenja, zajedno s dobi bolesnika), kombinacije 2-sata i 4-h, 3-h i 4-h, uz svaki sat mjerama, optimizirane su kroz stabla-rezidba s minimalnom veličinom za završni čvor od 10 ispitanika [26]. Sve jednom vremenskom razdoblju modela posto retencija na 4 sata ima najveću AUC 0.865, a nakon toga 3-H, 2-H, i 1-h (Tablica 3). Stopa lažnih dijagnoza po modelu odlučivanja stabla sa 4-h je 14,4% (28 od 123 bolesnika bez gastropareza, a 18 od 197 za one s gastropareza), manje od polovice onih koji bi se pogrešno dijagnosticira 1- h, 2-h boda i 37% ((73-46) /73) i manje od tog -U 3 sata. Uključujući 2-h ili 3-h, uz 4 sata sa stabla odlučivanja nije povećala broj točnih dijagnoza nad korištenjem samo na 4-H, kako pokazuje nož na sklapanje poprečnim validacije. Oni se razlikuju od rezultata dobivenih LDA i DF pristupa, u kojem linearna kombinacija 3-h i 4-h pokazao malo poboljšanje u odnosu korištenjem 4-h sami. Međutim, odluka je model stabla s bilo samo 4 sata ili njegov kombinaciji s 2-h ili 3 sata nije trpio u dijagnostički alat u usporedbi sa svojim pandanom modelima identificirani s bilo LDA ili DF pristup, bez obzira na transformacije podataka. Kola Model koristeći sve četiri po satu Ges mjere zajedno s dobi bolesnika bio je vrlo zanimljiv. Za kriterije želuca zadržavanja > 10% za 4-h i doda se 53% u 2-H, pacijente > 47.5 godina, je približno 2 puta manje vjerojatno da će imati gastropareze (vjerojatnosti = 0.44), kao i one s dobi < 47.5 (vjerojatnost = 0,85) .table 3 False klasifikacije (%) uz nož na sklapanje unakrsnog validacije optimiranom klasifikacija i regresija Tree (CART) modeli pregled Tip pogrešne dijagnoze
1 h
2-h
3 h
4 h pregled
2-h + 4 h
3-h + 4 h
4-h + 3-h + 2-h + 1 h + Age
pregled, 76 (61,8%)
28 (22,8%) pregled, 29 (23,6%)
28 (22,8%)
28 (22,8%)
28 (22,8%)
26 (21,1%)
24 (12,2%)
69 (35,0%)
44 (22,3%)
18 (9,1%)
18 (9,1%)
18 (9,1%)
18 (9,1%) pregled Ukupno pogrešne dijagnoze
100 (31,3%)
97 (30,3%)
73 (22,8%)
46 (14,4 %)
46 (14,4%)
46 (14,4%)
44 (13,8%), pregled, AUC za optimiziran Model pregled 0,724
0.753
0,825
0.867
0,865 pregled 0,858 pregled 0,881 pregled Napomena:: Model predviđa status bolesti (1 za da, 0 za ne),
y
: status dijagnosticiran bolesti (1 za da, 0 za ne ) pregled. Rasprava pregled linearnim kombinacijama dijagnostičkih biljega dobivenih LDA ili DF pristupa obično dovodi do viših diskriminirati ovlasti (veći AUC) nego sa svojim pojedinačnim komponentama. Simulacija studija (rezultati nisu pokazali ovdje) pokazuju da je veza među pojedinim oznakama, to je manji porast AUC njihova linearna kombinacija. Potencijal dobitak u dijagnostičkom vlasti, međutim, smanjuje kada je korelacija između pojedinih markera povećati i do 0,7 i više. Učinkovitost korištenja linearna kombinacija smanjuje s porastom veličine nerazmjer u matrice kovarijance između oboljelih i kontrolne skupine.
Male veličine uzoraka dovesti do velikih varijacija u optimalnim koeficijentom za najbolji linearna kombinacija i odgovarajuće AUC, osobito za LDA pristup. Kao Veličina uzorka povećava, optimalnih koeficijenata i AUC od strane LDA ili DF metoda može ili ne može prići jedni drugima, ovisno o rasprostranjenosti pojedinih markera. Netlogu Marker normalnim vrijednostima
Kad marker vrijednosti su multivarijatne normalno, procjenama LDA pristup su vrlo blizu da DF metode u smislu AUC, optimalnih koeficijenata, i dijagnostičkog snage kao što je naznačeno simulacija. Uz normalne distribucije i odgovarajuće veličine uzorka, prva dva momenta hvatanje parametar lokacije i razmjera markera s malim varijacijama. U takvim slučajevima, LDA pristup ima prednost u spašavanju vrijeme računanja (više od 100 puta manje), bez patnje u prediktivna snaga od DF pristupa. Ipak, LDA ne može nadmašiti DF dok traži mreža za optimalan koeficijent sa DF sadrži procjenu točku po LDA. Drugim riječima, to je ograničenje sa DF u računanje, nego metodologiji.
Marker vrijednosti nije normalan pregled, kada marker vrijednosti odstupaju od normalne distribucije, DF pristup uvijek dovodi do veće vrijednosti AUC za najbolju linearna kombinacija ako je pretraživanje rešetka za optimalne koeficijenata je dovoljno dobro. Predstava rejtinga s ALD pristupa je izravna posljedica korištenja sredstva koje je pristran zbog abnormalnosti. Eksponencijalna, na primjer, ima tendenciju da imaju dug rep s visokim stupnjem asimetrije, što dovodi do srednje s pozitivnim pristranosti. Kao posljedica toga, su varijance za markera napuhan a AUC teži da se manji. Što je još važnije, najbolja linearna kombinacija dobiti s ALD pristup ima tendenciju precijeniti postotak lažno negativnih i podcjenjuju lažno pozitivnu stopu na nižoj razini osjetljivosti (tablica 2), i to upravo suprotno na višu razinu osjetljivosti. Naprotiv, najbolji linearna kombinacija od DF pristup je manje pogođena ekstremnim vrijednostima i ima tendenciju da imaju veći dijagnostički snage uz zadržavanje pohranjenih razine osjetljivosti. To je važno jer se u praksi fiksni lažno negativnih stopa predstavlja kritičnu granicu tolerancije u dijagnostičke medicine. Iza takvih granica, ulog omjera gubitak i koristi će se povećati, ili, barem, dijagnostički odluka je manje isplativo.
Učinak transformacije podataka
učinkovite transformacije podataka poboljšava normalan stane i procjena time parametar LDA pristup, ali da li to poboljšanje održat će se u novim podacima koji nije uključen za procjenu parametra ostaje nejasno. Cross-ovjera s podacima o Gastropareza pokazuju da transformacija energije povećao AUC i stabilizira procjene parametara u setovima treninga, a da bi takvi dobici prevesti na višu dijagnostičku vlast u testovima (tablica 2). Transformacija podataka zatvorena jaz u dijagnostičkom moći između najboljih linearne kombinacije po LDA i DF pristupa s kliničkim podacima. Zanimljivo je da je DF pristup pokazao dosljedan poboljšanje s transformacije na svim razinama osjetljivosti na 0.7, 0.8 i 0.9. Trend s ALD pristup nije tako jasna. Jedan od razloga može biti posto želučani retencije mjere po 3 sata i 4-H su tako iskrivljen da je transformacija energije nije dovoljno staviti mjerenja na gotovo normalnu distribuciju.
Optimiziranje dijagnostičku moć GES mjera s modelom KOŠARICU</sup></sub>