Stomach Health > Mo. Gesondheet >  > Stomach Knowledges > Fuerschunge

Optimizing der diagnostic Muecht mat gastric emptying scintigraphy um Multiple Zäit Punkten

Open Peer Kritik

Dësen Artikel ass Open Peer Kritik Rapporten sinn. VerfÜgung

Wéi heescht Open Peer Kritik Aarbecht? VerfÜgung der diagnostic Muecht mat gastric emptying scintigraphy um Multiple Zäit Punkten VerfÜgung méiglech VerfÜgung Optimizing Background VerfÜgung Gastric Emptying Scintigraphy (GES) Intervalle iwwer 4 Stonnen no engem standardiséierte Radio-Label Iesse gëtt allgemeng als de gëllene Standard erauskoum fir gastroparesis diagnosing. D'Objektiver vun dëser Etude goufen: 1) de beschten Zäit Punkt an déi beschte Kombinatioun vu multiple Zäit Punkten ze ermëttelen gastroparesis mat widderholl GES Mesuren fir diagnosing, a 2) un Kontrast an Kräiz-validéieren Fisher d'Linearschrëft Discriminant Analys (LDA), eng Platz baséiert Distribution Free (DF) Approche, an der Course an Schéin Tree (noutgedrongen) Modell. VerfÜgung Method VerfÜgung a Ganzen 320 Patienten mat GES Mesuren bei 1, 2, 3 a 4 Stonn (h) no engem normale Iesse e standardiséierte Method benotzt goufen retrospectively gesammelt. Beräich ënnert de Receiver Zesummen charakteristesche (ROC) rop an den Taux vun falschen Klassifikatioun duerch jackknife Kräiz-Confirmatioun fir Modell Verglach benotzt goufen. VerfÜgung Resultater VerfÜgung Duerch staark Korrelatioun an eng Anomalie vun Donnéeën Distributioun, keng substantiell Verbesserung vun diagnostic Muecht gouf mat de beschte linear Kombinatioun vun LDA Approche souguer mat Daten Transformatioun fonnt. Mat DF Method, déi linear Kombinatioun vu 4-h an 3-h fräi Area Ënner rop (AUC) a rofgaang d'Zuel vun falschen Klassifikatiounen (0.87; 15,0%) iwwer eenzel Zäit Punkten (0.83, 0,82; 15,6%, 25,3 %, fir 4-h an 3-h, bzw.) op engem héichen Niveau Empfindlechkeet (Empfindlechkeet = 0,9). De Wuerekuerf Modell mat 4 Stonn Miessunge GES zesumme mam Patient senger Alter ass déi korrekt diagnostic Outil (AUC = 0,88, falsch Klassifikatioun = 13,8%). Patiente mussen e 4-h gastric Reklassement Wäert &plain. 10% ware 5 Mol méi wahrscheinlech gastroparesis ze hunn (179/207 = 86.5%) wéi déi mat ≤10% (18/113 = 15.9%) VerfÜgung Konklusiounen
no engem gemëschte Grupp vu Patienten entweder mat verdächtegt gastroparesis oder fir aner Grënn genannt propagéieren, ass de Weenchen Modell méi sécherlech wéi d'LDA an DF Approche erwisen covariate Auswierkunge vun Verstoppe a ka fir Kräiz institutionell Uwendungen generaliséiert ginn, awer stabil ginn hätt, wann Prouf Gréisst ass limitéiert. VerfÜgung Background VerfÜgung gastric scintigraphy Intervalle iwwer 4 h no engem standardiséierte Iesse emptying gëtt allgemeng als de gëllene Standard erauskoum fir Moossen gastric Mol emptying. An der Praxis, ass fir diagnosing gastroparesis definéiert als verspéiten Gastric Emptying (GE) an dem Fehlen vun mechanesch dogéint enger vereinfachter Stonn Moossnam vum Reschtoffall gastric Inhalter benotzt [1, 2]. Den technesche Mesuren Radio-Label Iessen am Mo. um Stonn Intervalle no Patient Rescht ingests e standardiséierte Iesse [3] wéi eng Luucht vun verspéiten GE. Well vun Differenzen am Liewensmëttel benotzt, Techniken beschäftegt, an endpoints gemooss mat GES, Analyse an Interpretatioun vun de Resultater variéieren tëscht Institutiounen [4]. Déi meescht virdrun Studie berichten iwwer propedeutësch gastric emptying Verspéidung kann beschte mat gastric Reklassement vun > agestallt ginn; 10% am 4- h nom Iessen, déi als 95 Géck an gastric Reklassement mat normal Fräiwëlleger duerch eng multicenter Etude gegrënnt gouf [5, 6] . Wéi ëmmer, ass eng Verdeelung-baséiert diagnostic Decisioun willkürlech a kéint zwangsleefeg Feeler induce well vun misclassification. Et ass confirméiert datt d'vereinfacht Approche eng Spezifizitéit vun 62% huet an engem Empfindlechkeet vun 93% [7]. Benotzung der Prozent Reklassement um 2-h wéi d'Iddi Medeziner Miessunge vu GES [8], GES um 2-h oder 3-h suggeréiert kéint de beschte eenzelne Zäit Punkt mat héichen diagnostic Muecht ginn. gastric retentions Prozent op verschidden Zäit Punkten awer, vläicht och zu Patient Alter a Geschlecht Thema ginn [5]. D'Feele vun Stan- zu GES zesumme mat Differenzen an grouss Analyse Dirigent bei verschiddenen Institutiounen benotzt kann de Medeziner Déngscht vum Test Limite, a Kaddoen Problemer wann Kräiz institutionell Donnéeën évaluéiert gin brauchen. 2008, am Numm vun der American Neurogastroenterology an Motility Society an der Society vun Nuclear Medezin, Fuerscher aus 13 US medezinesch Institutiounen erausginn zesummen e Konsens Ausso fir Ufuerderungen vun GES ganze Institutiounen [4]. Ausserdeem goufen weider Enquête Problemer verlanngt vun der Konsens identifizéiert déi gehéieren: 1) Benotzung vun 3-h Verglach zu 2- a 4-h Resultater fir ze erkennen verspéiten GE; an 2) Gebrauch vu multiple Zäit Punkten (2- bis 4-h) versus Single 2- oder 4-h Wäerter fir weider Verständnis vun de Medeziner Bedeitung vun discordant Resultater tëscht 2- a 4-h Katalogiséierung. VerfÜgung Methodik op benotzt verschiddene diagnostic lues Krankheeten ze entdecken oder Gesondheet ze dinn Risiken bewäerten ass eng aktiv Beräich vun der Fuerschung [9-11]. Mat der rapid Fortschrëtter am Frankräich an proteomic Technologien, de Schwéierpunkt op uweist-baséiert Krankheet erkennen a Gefor Duerno muss elo vun engem eenheetlechen uweist zu engem Rot vu biomarkers verréckelt well verschidde lues un verschidden Aspekter vun enger Krankheet sensibel ginn [12]. Et gëtt argumentéiert, dass, am Verglach mat enger eenzeger Medeziner oder genetesch Bewaacher engem Rot vu multiple lues kann eng méi héich Niveau vun diskriminatoresch Informatiounen, besonnesch ganze grousse heterogen Patient Populatiounen a fir komplex multistage Krankheeten enthalen. Dës wichteg ass, well mat méi lues zäitgläich mat héijer Sensibilitéit fir eng nei diagnostic Moossnam Féierung kéint [11]. VerfÜgung Wann Multiple lues kontinuéierlech sinn a normalerweis verdeelt, Fisher d'LDA stellt de beschte linear geschéckt, datt d'Empfindlechkeet iwwer de ganze Spezifizitéit Rei Dr. uniform ënnert der multivariate normal Verdeelung Modell [11]. Wann Bewaacher Wäerter aus normal ofwäichen, kann eng Box-Cox Muecht opgegraff ginn déi normal fit [13] ze verbesseren. Dës Approche huet Kéiren effektiv zu estimating der AUC an ROC wann d'Basisdaten richteg distributions fonnt ginn, entweder op der original oder op enger transforméiert Skala, nosteet normal [11] zu multivariate. Soss, eng Platz baséiert Verdeelung kann gratis Approche applizéiert ginn. D'theoretesch Aspekter vun de beschte linear geschéckt fir biomarkers gutt gemellt [[9, 11, 14-19] a [20]]. Fisher d'LDA ass méi einfach, fir auszerechnen, iwwerdeems den DF Approche méi sécherlech zu deviation aus normal Verdeelung ass, mee ass computationally prohibitive wann méi wéi zwee lues Équipe ginn [19]. Mir ginn de Parameter Schätzunge vun LDA als Startpunkt fir Gitter Sich mat DF wann Bewaacher Weltraum eraus bilateral geet. De Wuerekuerf Modell, op der aner Hand, déi aner Approche der diagnostic Muecht ze optimiséieren wann lues Multi-Dimensiounen [21-23] sinn. Anstatt eng nei diagnostic Mesure wéi LDA oder DF schafen, benotzt Weenchen eng mi Prozess d'Formatioun vun Estimatioun Verännerlechen ze identifizéieren, an hiren ursprénglechen Skala, déi bescht differenzéiert Gruppen ënnert d'Resultat ofwiesselnd vun Interessi. Dat ass virun allem nëtzlech wann et vill Estimatioun Verännerlechen sinn déi héich soll sinn. Et ass computationally manner intensiv an einfach ze virzegoen, kënnt awer stabil gin wann de Modell schlecht mat limitéiert Donnéeën trainéiert gëtt. VerfÜgung konzentréieren meescht virdrun Studien op der beschte Kombinatioun vu lues deriving datt AUC fir Sujeten Dr. Status hir Krankheet bekannt war [11 , 14-20]. Et ass kloer, wann d'diagnostic Muecht fir e sou Kombinatioun mat bekannt Bewaacher Wäerter fir d'Populatioun geet awer onbekannte Krankheet Statut oder zu der Populatioun Wäerter hir Bewaacher geflitzt sinn fir deriving der diagnostic Parameteren net benotzt. Mat engem standardiséierte Iessen (kuckt spontan a Methoden) an der Stonn GES Technik (fënnef 2-Minutt Imaging stattfannen) iwwer 4 Stonn Zäit, manner Kamera Zäit néideg ass iwwerdeems Resultater aus Klinik zu Klinik reproducible kënnen. Dëse Pabeier z'analyséieren statistesch Optiounen datt d'diagnostic Muecht mat GES Mesuren op e puer Zäit Punkten optimiséieren. Benotzt der Primärschoul Medeziner Diagnos, definéiert duerch Symptomer wéi benotzen, iwelzeg, fréi satiety, postprandial purem, postwendend misse Nikotin, a Péng, zousätzlech zu de Beweis vun verspéiten gastric an dem Fehlen vun mechanesch gastric Outlet dogéint, wéi den eigentlechen Status vun gastroparesis emptying dës Etude ass axéiert op d'Parameter vun de beschte linear Kombinatioun vu GES bei verschiddene Zäit Punkten mat Training Donnéeën ze fannen, dann Enquête, an Kräiz-validates seng Leeschtung am Test Daten déi net fir deriving de Modell benotzt gouf. VerfÜgung Method
de Receiver Zesummen charakteristesche men (ROC) an der Géigend ënner dem Bou an allem ass eng einfach a sënnvoll Mesure d'Nëtzlechkeet vun enger diagnostic Bewaacher (s) [10] ze bewäerten. Uechter dat Pabeier, ROC an AUC gi ganze Methoden a verschidde Modeller fir de beschte diagnostic Muecht vun gastroparesis ze vergläichen. D'Zomm vun falschen positiv an negativ falsch Diagnosen iwwer de ganze Prouf benotzt gouf de diagnostic Muecht tëscht LDA, DF an Weenchen duerch jackknife (huelt een aus) Kräiz Confirmatioun fir Kontrast. VerfÜgung Fisher d'Linearschrëft Discriminant Approche (LDA) VerfÜgung Loosst w VerfÜgung Luxusartikelen VerfÜgung duerstellt der i VerfÜgung September VerfÜgung Bewaacher Wäert vun de j VerfÜgung September VerfÜgung Thema an der diseased Grupp; an v VerfÜgung ik VerfÜgung gin der i VerfÜgung September VerfÜgung Bewaacher Wäert vun der k VerfÜgung September VerfÜgung Thema an der Kontroll Grupp; wou ech VerfÜgung = 1, ..., p; j VerfÜgung = 1, ..., m; an k VerfÜgung = 1, ..., n. VerfÜgung Ugeholl X an Y sinn vectors vu Lakonien Wäerter mat multivariate normal Verdeelung vun der diseased a Kontroll Gruppen ofginn, dann (1) D'souguer gemaach Vecteure, α VerfÜgung p × 1, fir de beschte linear Kombinatioun vun der kombinéiert Bewaacher Vecteure aus der diseased a Kontroll Gruppen ënnert d'ROC Critèren ass: (2) déi AUC ënnert der ROC Linn ass: (3) Wou, ADR Φ der Norm entwéckele . normal Verdeelung Funktioun VerfÜgung D'Spezifizitéit (F engem (c)) an Empfindlechkeet (H engem (c)) ginn: (4) (5) Gemeng baséiert distribution Free Approche (DF) VerfÜgung ënner der Platz baséiert gratis Approche Verdeelung [19], kann de AUC wéi de Mann-Whitney U iwwerleen berechent ginn [24]: (6) Opgepasst, fir kontinuéierlech Distributioun, Pr (ech VerfÜgung = 1/2) = 0. VerfÜgung Wou, w VerfÜgung Luxusartikelen VerfÜgung ass den i VerfÜgung September Bewaacher Wäert fir de j VerfÜgung September Thema an der diseased Grupp; v VerfÜgung ik VerfÜgung ass den i VerfÜgung September Bewaacher Wäert fir d'k VerfÜgung September Thema an der Kontroll Grupp; i, j, k, m VerfÜgung, an n VerfÜgung wéi an der viregter Rubrik definéiert; AUC VerfÜgung (α VerfÜgung) ass Géigend ënner dem Bou vun Verdeelung gratis Approche mat optimal ass souguer gemaach Vecteure (α). Zanter ROC Fuerschung ass waarden Transformatioun zu monotone, VerfÜgung der souguer gemaach Vecteure α zu souwuel LDA an DF Approche kann als (1, β 2 /β 1, β 3 /β 1, ... β i /β 1), wou β i /β 1 stellt d'Gewiicht fir d'i VerfÜgung September Wäert relativ Bewaacher 1 zu Tandel [19]. VerfÜgung Course an Schéin Beem (noutgedrongen) Modell VerfÜgung Géigesaatz LDA oder DF, identifizéiren Weenchen Methodologie d'Formatioun vun dacks aus all Variabelen déi zu engem mi Prozess Klassen an d'Resultat vun Interessi beschte differenzéieren. Bei all Schrëtt (Node), Weenchen sind identifizéiren éischt de beschte Estimatioun vun all Kandidat Verännerlechen an dann Recherchen duerch all Wäerter fir de beschte Estimatioun mä benotzt nëmmen ee cutoff Punkt d'Echantillonen am Node an zwou Ënner-Secteuren ze deelen. Et Recherchen dann duerch all Estimatioun Verännerlechen an identifizéiert de beschte cutoff Punkt aus de beschte Estimatioun an all Sous-Agence an Widerhuelung de Prozess bis e gewësse Kritären, wéi e Minimum Varianz oder e Minimum Grupp Gréisst, an all Uschloss Wirbelen begéint ass. Bei all Node, gel Weenchen d'Echantillonen an Gruppen wéi déi maximal homogeneity vun der Kand Wirbelen erun ze klassifizéieren. Wann en Uschloss Node erreecht ass, gëtt de Modell vun der Wahrscheinlechkeet fir all aner Sujeten zu engem bestëmmte Kategorie gehéiert, datt an datt Node falen. An der Praxis, ass de Minimum Node Gréisst normalerweis bei 10% vun de Léieren Prouf Formatioun eventuell méi ze verhënneren Milieu de Modell esou datt d'final Decisioun Bam méi wahrscheinlech ass zu nëtzlech fir Populatiounsschichte mat ähnleche Charakter wéi dat vun de Léieren Prouf classifying mä war net fir deriving de Weenchen Modell benotzt. Am Géigesaz zu LDA Approche, kann Weenchen virun allem nëtzlech wann d 'Korrelatioun Musteren ënnert Estimatioun Verännerlechen iwwer der Reih net konsequent sinn, well se net néideg fir de selwechten Variabel ass fir all Sparten Wirbelen vum ganze Bam optimal ze ginn [22]. VerfÜgung Parameter Estimatioun VerfÜgung fir LDA Approche, schreift mer eng SAS /IML Programm [25] fir Paien déi mengen (m), de Varianz (S) fir diseased a Kontroll Gruppen, an all Parameter geschat ginn an der Method beschriwwen Rubrik. Éischt, déi souguer gemaach Vecteure α VerfÜgung, AUC fir d'linear geschéckt wéi och fir eenzel lues, war mat Equatiounen kritt (2) an (3) vun der Formatioun Daten. Dunn, no der souguer gemaach α VerfÜgung ze desinfizéieren Test Donnéeën applizéiert der linear geschéckt Ball ze kréien. Dräi loung Wäerter entspriechende Empfindlechkeet Niveau bei 0,7, 0,8 an 0,9 fir d'linear geschéckt stoung sech mat der gastroparesis Donnéeë kritt an Equatioun benotzen (5). All loung Wäert gouf op der Säit gelooss Daten benotzt entweder de Fall an ze klassifizéieren diseased oder Net-diseased Grupp. D'virausgesot Zoustand war dann mam bekannte Krankheet Kategorie tabulated Kräiz. VerfÜgung der DF Approche mat enger willkürlech Start huet an dann no der Course fir de Ech dass de Mann-Whitney U iwwerleen mat der Formatioun Donnéeën vun den folgenden Démarche'en schreift.
1) a linear geschéckt fir all Observatiounsplaz stoung et duerch multiplizéieren der Bewaacher Vecteure X mat engem Start ass souguer gemaach Vecteure kritt, α VerfÜgung (1, α VerfÜgung). VerfÜgung 2) d'AUC entspriechende der souguer gemaach Vecteure α VerfÜgung ass mat Equatioun (6) berechent. VerfÜgung 3) fir all méiglech souguer gemaach Vecteure déi éischt zwee Schrëtt Widerhuelen an den entspriechende AUC an α VerfÜgung ugesammelt. VerfÜgung 4) d'souguer gemaach En datt der AUC beschwéieren an der kritescher linear geschéckt stoung Wäert op 0,7, 0,8 an 0,9 Empfindlechkeet Niveauen z'identifizéieren. VerfÜgung 5) déi ass souguer gemaach ginn aus Schrëtt 4 fir d'Test Donnéeën Applikatioun vum beschte linear geschéckt Ball ze kréien. VerfÜgung 6) Benotzt all kritesch Wäert vun Schrëtt 4 am Test Donnéeën all Fall ze soe an entweder diseased oder net-diseased Grupp, duerno mat de bekannte Krankheet Kategorie Kräiz tabulate. VerfÜgung fir Weenchen Modell, mir den TREE Pak bannent R benotzt [26] Ëmwelt fir jiddereng vun véier Stonn Mesuren, an hir geschéckt mam Patient Alter laanscht a Geschlecht de beschte Modell ze identifizéieren. Cross-Confirmatioun mat engem Minimum Gréisst vun 10 Punkten fir all Uschloss Node benotzt gouf d'Decisioun Bam Modell ze optimiséieren mat all Observatiounen [27]. AUC fir all Décisioun Bam optiméiert gouf ganze all Modeller ze vergläichen berechent. Dunn, war eng Observatioun vun der ganzer Prouf geholl ginn, an déi reschtlech Sujeten benotzt d'Decisioun Bam ze bauen, wat dann benotzt war d'Krankheet Status vun der Säit gelooss Observatioun ze virauszesoen. Leeschtunge fir all Décisioun Bam gouf mat der Gesamtzuel vun falsch Prognosen iwwert de ganze Prouf zesummegefaasst. VerfÜgung Gastroparesis Donnéeën VerfÜgung A Ganzen 320 Tabelle aus Patienten am Alter vun 16 ~ 89 (42.8 ± 14.3 (mengen ± STD)), 255 (79%) weiblech, mat GES Mesuren op 1 h, 2 h, 3 h a 4 h no engem normalen Iessen e standardiséierte Method ze benotzen (5) huet sech an der Universitéit vu Kansas Medical Center (KUMC) retrospectively gesammelt. D'Etude Protokoll gouf duerch den institutionnelle Kritik Board (IRB) op KUMC guttgeheescht. Während GES Miessung, verbrannt der Ëmwandlung vun Iessen an der Zäit fir de Konsum geholl huet unzefroen. Sujete mat ongewéinlech Prozent Iesse verbrannt (e.g. &Si besteet; 20% vun den Iessen) /Konsum Zäit (e.g. > 30 Minutten) sech ausgeschloss. All Patienten goufen entweder mat verdächtegt gastroparesis oder propagéieren fir aner Grënn genannt, well vun Self gemellt Symptomer wéi benotzen, purem, fréi satiety, iwelzeg, an bloating. Baséierend op allgemeng Aschätzung, zousätzlech zu all Stonn GES Mesuren, festgestallte der Etude Dokteren 197 (62%) vun der 320 Patienten mat gastroparesis wéi de primären Grond fir verwisen Medeziner Symptomer an hir Spidol besicht. Trotz ähnlechen medezinesch Erfahrungen, aner Krankheeten wéi gastroparesis sech als alleréischt Diagnosen fir de Rescht 123 Patienten considéréiert. Nee groussen Ënnerscheed zu menge Alter (p = 0,12, vun T-Test) a Geschlecht (p = 0,99, vun χ 2 Test) goufen tëschent Gruppe mat an ouni gastroparesis fonnt. Fir all Patient, war gastric emptying scintigraphy moies no enger Iwwernuechtung schnell standing mat prokinetics fir op d'mannst 3 Deeg opgehal. D'standardiséierte Method fir gastric emptying besteet vun der zoustänneger vun zwee Jacquerie Eeër (Eeër Auswiesselspiller) Fortgeschratten mat 99m TC Schwiewel-colloid, 2 Stécker vun ofgeronnt mat .Am, a 4 Oz vum Waasser mat engem Total caloric Wäert vun 255 kcal. Anterior an posterior Biller vun de Mo. waren direkt nom iessen, an dann all Stonn fir 4 Stonnen [28]. VerfÜgung Resultater VerfÜgung Während widderholl Miessung vun gastric emptying, Prozent retentions vun der Isotop am Mo. um 1-h, 2-h, 3-h, a 4-h nom Iessen ofgeholl mat Zäit a sech duerchaus soll, besonnesch fir Männercher a fir Patiente mat gastroparesis. Spearman Korrelatioun souguer gemaach gounge vun 0,34 (p &Si besteet; 0.001) tëscht 1-h a 4-h fir Patiente ouni gastroparesis bis 0.93 (p &Si besteet; 0.001) tëscht 3-er a 4-h fir Patiente mat gastroparesis. Am Allgemengen, emgeleed der Verdeelung vun Prozent Reklassement vun normal, mat den éischten zwee Stonn Wäerter géintiwwer der ënneschten Enn skewing, an der zweeter zwou Stonnen géintiwwer der héijer Enn skewing (Dorënner 1). Figur 1 a mat gastric Reklassement op 1-h, 2-h, 3-h, a 4-h no Iesse fir de Fall (gréng) vs. Kontroll (gro). 1-h-c, 2-h-c, 3-h-c, 4-h-c duerstellt Prozent gastric emptying (GE) op 1-h, 2-h, 3-h, a 4-h no Iesse fir Patiente mat gastroparesis diagnostizéiert; Whisker duerstellt 70% interquartile Gamme. VerfÜgung Diagnostic Kräft vun LDA an DF Approche VerfÜgung Frësch Mesuren am 3-er a 4-h virdrun gemellt waren déi beschte diagnostic Déngscht als mussen, mir Géigesaz hir beschte linear Kombinatioun vun deenen zwee LDA ( Figur 2) an DF Approche (Table 1). Éischt, multiplizéiert mir AUC fir déi zwou Mesuren zesumme mat der optimal ass souguer gemaach fir hir beschte linear geschéckt an der loung Wäerter fir d'linear geschéckt stoung op 0,7, 0,8 an 0,9 Empfindlechkeet Niveau vun den zwou LDA an DF Approche fir all mee 1 aus 320 Sujeten. Déi optimal ass souguer gemaach ginn, zesumme mat den dräi loung Wäerter war dann zu der lénker Säit aus Thema applizéiert. Andeems d'loung Wäerter mat der berechent linear geschéckt stoung, déi virausgesot gastroparetic Statut fir déi lénks eraus Thema war opgeholl. Den Taux vun falschen negativ a falsch positiv waren déi Widderhuelung déi jackknife Prozess fir all 320 Punkten kritt. Dunn, no enger Box-Cox Muecht Transformatioun applizéiert an der selwechter Analys war fir d'transforméiert Donnéeën widderholl. Figur 2 Receiver senger Fonktioun charakteristesche (ROC) men fir all Stonn Prozent Reklassement um 2-h, 3-h, 4-h, an hir beschte linear geschéckt. Area Ënner rop (AUC) fräi aus 2-h bis 4-h a mat de beschte linear Kombinatioun vun all dräi Stonn Miessunge beschwéieren. VerfÜgung Table 1 Parameter Schätzunge (Area Ënner rop (AUC) a souguer gemaach fir de beschte linear geschéckt ) mat Linearschrëft Discriminant Analys vum Fisher (LDA) an Distribution Free (DF) Approche VerfÜgung zu 4-h
3-h
DF Linearschrëft geschéckt
Linearschrëft geschéckt 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
Opgepasst: eege steet fir AUC Moosse vun original Skala; VerfÜgung Tran zu transforméiert Skala AUC fir Mesure duerstellt; VerfÜgung α ass souguer gemaach fir de beschte linear geschéckt fir Miessung um 3-h nom Iesse VerfÜgung Déi bescht linear. Kombinatioune vun den zwou Stonn Mesuren fräi diagnostic Kraaft vun hiren eenzelne Komponente vum souwuel Approche (Table 2), mee huet de gewannen limitéiert, 3,9% fir d'DF, an 0,4% fir d'LDA Approche. Wéi erwaart, verbessert Box-Cox Muecht Transformatioun op eenzelne lues der diagnostic Muecht vun de beschte linear Kombinatioun mat der Approche LDA vun 4,7%, wéi dat vun der Matière measures.Table 2 falsch Klassifikatiounen (%) mat jackknife Kräiz-Confirmatioun vun Fisher d'Linearschrëft Discriminant Analyse (LDA) an Distribution Free (DF) Approche VerfÜgung à- VerfÜgung 3- VerfÜgung DF h
4-h DF
Linearschrëft geschéckt DF
Linearschrëft geschéckt LDA
0,7 VerfÜgung 24 (19.5%) VerfÜgung 59 ( 30,0%) VerfÜgung 16 (13.0%) VerfÜgung 59 (30,0%) VerfÜgung 15 (12,2%) VerfÜgung 58 (29.4%) VerfÜgung 15 (12,2%) VerfÜgung 64 (32.3% VerfÜgung) 0,8 VerfÜgung 37 (30,1%) VerfÜgung 39 (19.8%) VerfÜgung 21 (17.1%) VerfÜgung 40 (20.3%) VerfÜgung 21 (17.1%) VerfÜgung 40 ( 20.3%) VerfÜgung 20 (16,3%) VerfÜgung 46 (23.4%) VerfÜgung 0,9 VerfÜgung 60 (48,8%) VerfÜgung 21 (10.7%) VerfÜgung 27 (21.9%) VerfÜgung 23 (11.7%) VerfÜgung 28 (22.8%) VerfÜgung 20 (10.2%) VerfÜgung 27 (22.0%) VerfÜgung 22 (11.2%) VerfÜgung Opgepasst:: Modell Krankheet Status virausgesot (1 fir jo, 0 fir net); VerfÜgung y VerfÜgung: festgestallte Krankheet Status (1 fir jo, 0 fir keen) VerfÜgung no der raw Daten, d'Ennerscheeder op Zomm vun falschen positiv an negativ falsch Tariffer fir déi bescht. linear Kombinatioune waren 0,2%, 1,6%, an -6,5% tëscht der DF an LDA Approche bei der 0,7, 0,8 an 0,9 Empfindlechkeet Niveauen. Während de falschen negativ Taux vun der LDA Approche grouss deviation aus datt bis de onbekannt loung Niveauen (≤3.0%) lueden huet, verbessert deene vun der DF Approche relativ enk sin (≤ ± 0,2%). VerfÜgung Data Transformatioun der diagnostic Muecht vun de beschte linear Kombinatioune fir souwuel d'LDA an DF Approche vun der Zomm vun falschen negativ a falsch positiven Taux ofgeholl. D'Kierzunge sinn 2,2%, 2,8%, 13,8%, an -0,9%, -1,1%, 20,1% fir d'DF an LDA Approche, bzw.. Spannen, ass de gréisste Verbesserung vun diagnostic Muecht am héichen Niveau vun Sensibilitéit fir béid Approche. VerfÜgung Diagnostic Muechten mam Weenchen Approche VerfÜgung Seven Decisioun Bam Modeller, dorënner déi voll Modell (4 Stonn Miessunge mat den Alter vum Patient), der Kombinatioune vun 2-h a 4-h, 3-er a 4-h, zesumme mat all Stonn Mesuren, sech fir d'Finale Node vun 10 Punkten mat minimum Gréisst duerch Bam-pruning optimiséiert [26]. Fir all eenzel Zäit Punkt Modeller, Prozent Reklassement um 4-h huet de gréisste AUC vun 0,865, gefollegt vun 3-h, 2-h, an 1-h, bzw. (Table 3). Den Taux vun falschen Diagnos vun Decisioun Bam Modell mat 4-h ass 14,4% (28 vun 123 fir Patiente ouni gastroparesis, an 18 vun 197 déi mat gastroparesis), manner wéi d'Halschent vun deenen, déi vun 1- benodeelegen festgestallte wier h an 2-h Punkten, an 37% ((73-46) /73) manner wéi déi -wéi 3-h. Dorënner 2-h oder 3-h laanscht mat 4-h mat der Decisioun Bam net geklommen d'Zuel vun korrekt Diagnosen iwwer mat 4-h eleng als vun jackknife Kräiz Confirmatioun uginn. Dës ofwäichen Resultater kritt aus LDA an DF Approche, an deem d'linear Kombinatioun vun 3-er a 4-h zougedréckt liicht Verbesserung iwwer mat 4-h gehalen. Mä mat Decisioun Bam Modell entweder 4-h eleng oder seng Kombinatioun mat 2-h oder 3-h hutt leiden net zu diagnostic Déngscht Verglach mat sengem Kolleg Modeller mat entweder identifizéiert LDA oder DF Approche, egal vun Donnéeën Wandel. De Wuerekuerf Modell all véier Stonn GES Mesuren zesumme mat Patient Alter benotzt war ganz interessant. Fir d'Critèrë vun gastric Reklassement > 10% op 4-h an &Si besteet; 53% um 2-h, Patienten > 47,5 Joer al goufen bal 2 fantastesch Bezuch gastroparesis (Probabilitéit = 0.44) wéi déi mam Alter &Si besteet ze hunn; 47.5 (Probabilitéit = 0.85) .Table 3 falsch Klassifikatiounen (%) mat jackknife Kräiz-Confirmatioun vun optimiséiert Course An Schéin Tree (noutgedrongen) Modeller VerfÜgung Type vu Misdiagnosis
1-h
2-h
3-h
4-h VerfÜgung
2-h + 4-h
3-h + 4-h
4-h + 3-h + 2-h + 1-h + Alter
VerfÜgung 76 (61.8%) VerfÜgung 28 (22.8%) VerfÜgung 29 (23.6%) VerfÜgung 28 (22.8%) VerfÜgung 28 (22.8%) VerfÜgung 28 (22.8%)
26 (21.1%)
24 (12,2%) VerfÜgung 69 (35.0%) VerfÜgung 44 (22.3%) 18 (9.1%)
18 (9.1%)
18 (9.1%) VerfÜgung 18 (9.1%) VerfÜgung Total Misdiagnosis 100 (31,3%)
97 (30.3%) 73 (22.8%)
46 (14.4 %) VerfÜgung 46 (14.4%) 46 (14.4% VerfÜgung) VerfÜgung 44 (13,8%) VerfÜgung AUC fir den optimalen Model VerfÜgung 0,724 VerfÜgung 0,753 VerfÜgung 0,825 VerfÜgung 0,867
0,865 VerfÜgung 0,858 VerfÜgung 0,881 VerfÜgung Opgepasst:: Modell virausgesot Krankheet Status (1 fir jo, 0 fir net); VerfÜgung y VerfÜgung: festgestallte Krankheet Status (1 fir jo, 0 fir keen ). VerfÜgung Diskussioun VerfÜgung Linearschrëft Kombinatioune vun diagnostic lues duerch LDA oder DF Approche kritt normalerweis ze héich diskriminéieren Muechten (groussen AUC) wéi mat sengen eenzelne Komponente Féierung. Eng Simulatioun studéieren (Resultater net hei weisen) uginn, datt d'staark d'Korrelatioun tëschent eenzelne lues, déi kleng d'Erhéijung vun AUC duerch hir linear geschéckt. D'Potential Mosconi an diagnostic Muecht, diminishes awer, wann d'Korrelatioun tëschent eenzelne lues op 0,7 klammen an uewen. D'Efficacitéit vun engem linear Kombinatioun mat Verloschter mat der Erhéijung vun Magnitude vun Mëssverhältnis vun Leit matrices tëscht diseased a Kontroll Gruppen. VerfÜgung klenger Echantillonen an optimal Ech fir bescht linear geschéckt ze grouss Variant nodeems an déi entspriechend AUC, besonnesch fir de LDA Approche. Als Beispill Gréisst Majoratiounen, optimal Ech an AUC vun LDA oder DF Methoden Approche kann oder vläicht net all anere je op d'Verdeelung vun eenzelne lues. VerfÜgung context Wäerter normal VerfÜgung Wann der Bewaacher Wäerter multivariate normal sinn, d'Schätzunge vun der LDA Approche si ganz no bei deem vun der DF Method an Conditioune vun AUC, optimal Ech, an der diagnostic Muecht wéi déi Simulatioun uginn. Mat normal Verdeelung an adequate Prouf Gréisst, knipsen déi éischt zwee Momenter Bewaacher d'Lag a Skala Parameter mat klenger Variant. An esou Fäll, huet de LDA Approche de Virdeel vun Berechnung Zäit spueren (méi wéi 100 fantastesch manner) ouni wéi den DF Approche zu predictive Muecht Leed. Trotzdem, kann LDA net DF Dovizioso soulaang d'Recherche Course fir optimal ass souguer gemaach mat DF de Punkt Estimatioun vun LDA enthält. An anere Wierder, ass d'Begrenzung mat DF zu Berechnung, anstatt Methodik. VerfÜgung context Wäerter net normal VerfÜgung Wann Bewaacher Wäerter aus normal Verdeelung ofwäichen, ëmmer der DF Approche fir de beschte linear geschéckt wann der Recherche ze héich AUC féiert Course fir optimal Ech ass genuch labber. D'downgrading Leeschtung mat LDA Approche ass eng direkt Folleg vun de Mëttelen vun benotzt datt wéinst Anomalie Buergermeeschter ass. Exponential Distributioun, zum Beispill, dierft engem laange Schwäif mat engem héije Mooss vun géint Jonglënster ze hunn, mat engem positive Westen zu engem mengen Haaptfiguren. Als Konsequenz, sinn d'variances fir lues deier an der AUC hautdësdaags méi kleng ze ginn. Méi wichteg ass, trëtt de beschte linear Kombinatioun mat LDA Approche kritt den falschen negativ bewäerten an Ënnerschätzt dem falschen positiven Taux bei den ënneschten Empfindlechkeet Niveau (Table 2), an do genee de Géigendeel um héich Empfindlechkeet Niveau ze overestimate. Am Géigendeel, ass de beschte linear Kombinatioun vun DF Approche manner duerch extrem Wäerter betraff a trëtt héich diagnostic Muecht ze hunn iwwerdeems de onbekannt Empfindlechkeet Niveauen ënnerhalen. Dat ass wichteg, well, an der Praxis, eng fix falsch negativ bewäerten enger kritescher Limite vun Toleranz an diagnostic Medikament duerstellt. Dozou wéi Plafong, géif de Boursë vu Verloscht-Virdeel Verhältnis Erhéijung, oder, op d'mannst, d'diagnostic Decisioun ass manner Käschten effektiv. VerfÜgung Den Effet vun Donnéeën Transformatioun VerfÜgung Effektiv Donnéeën Transformatioun verbessert déi normal fit an domat spigelt Estimatioun vun LDA Approche, mee ob dat Verbesserung vun neien Daten handelt ginn, dass net fir Parameter Estimatioun abegraff ass bleift onkloer. Cross-Confirmatioun mat der gastroparesis Donnéen uginn, datt Muecht Transformatioun AUC fräi a stabiliséiert Parameter Schätzunge vun der Ausbildung capabel, an, datt esou Iwwerhand an héich diagnostic Muecht am Test baut (Table 2) iwwersetzen wier. Donnéeën Transformatioun zougemaach d'Schéier am diagnostic Machtverdeelung, tëscht de beschte linear Kombinatioune vun LDA an DF Approche mat de Medeziner Daten. Spannen, huet den DF Approche eng konsequent Verbesserung mat Transformatioun an allen Niveauen vun Empfindlechkeet bei 0,7, 0,8 an 0,9. Den Trend mam LDA Approche ass net esou kloer. Ee Grond kéint der Prozent gastric retentions ginn gemooss bei 3-er a 4-h sou Attentater datt Muecht Transformatioun net genuch ass de Miessunge op bal normal Verdeelung Virsprong. VerfÜgung Optimizing der diagnostic Muecht vun GES Mesuren mat Weenchen Modell
am Géigesaatz virdrun Fuerschung mat normal Fräiwëlleger, bestoung eiser Etude Bevëlkerung mat engem gemëschte Grupp vun Themen entweder mat verdächtegt gastroparesis oder propagéieren fir aner Grënn genannt.

Other Languages