Prawdopodobieństwo raka w guzkach płucnych wykryte podczas pierwszego badania CT AD 4

Włączenie zmiennych do modeli opierało się na istniejącej wiedzy na temat czynników ryzyka raka płuc i cechach guzków, które są łatwo dostrzegalne w przypadku tomografii komputerowej o niskiej dawce. Przygotowano dwa zestawy modeli predykcyjnych. Pierwszy zestaw był oszczędnym modelem, który obejmował tylko predyktory, które były znaczące (przy P <0,05), a drugi zestaw, pełniejszy model, który zawierał dodatkowe predyktory, które z góry uważano za związane z ryzykiem raka płuc, jeśli P wartości dla nich były mniejsze niż 0,25. W tych analizach jednostką analizy był guzek. Ponieważ niektóre osoby miały wiele guzków, wariancje oceny skutków zostały dostosowane do grupowania danych w obrębie osób przy użyciu estymatora wariancji mocnego (kanapkowego) szczepu Huber-White. Nieliniowe efekty zmiennych ciągłych oceniano za pomocą miejscowo ważonych wykresów rozproszenia wykresu rozrzutu (LOWESS) i wielowymiarowych wielomianów ułamkowych.15 Oceniliśmy interakcje pomiędzy ważnymi predyktorami w modelach ostatecznych, uwzględniając warunki interakcji wraz z terminami efektów głównych. Żadne z interakcji, które przeprowadziliśmy, nie było znaczące i nie zostały one omówione dalej w tym artykule.
Oceniliśmy predyktywność modelu, oceniając jego dyskryminację (zdolność do prawidłowej klasyfikacji) i jego kalibrację (czy prawdopodobieństwa przewidywane przez model odpowiadają obserwowanym prawdopodobieństwom). Dyskryminację mierzono za pomocą obszaru pod krzywą charakterystyki operacyjnej odbiornika (AUC). Wszystkie zgłoszone AUC są prezentowane z 95-procentowymi przedziałami ufności skorygowanymi względem obciążenia początkowego, z technikami ładowania opartymi na 1000 bootstrapowanych próbkach.16 Oceniliśmy kalibrację, odejmując oszacowane przez model prawdopodobieństwo od obserwowanego prawdopodobieństwa dla każdego uczestnika badania, umieszczając te bezwzględne błędy w rankingu. kolejność i oszacowanie wielkości mediany i 90. percentyla błędów absolutnych.17 Ponadto oceniono średnie błędy bezwzględne dla każdego decyla ryzyka przewidywanego przez model.
Modele predykcyjne opracowane w kohorcie PanCan (z wyłączeniem spiculacji jako predyktora) zostały zweryfikowane zewnętrznie za pomocą oceny dyskryminacji i kalibracji w danych BCCA. Oceniliśmy wydajność modelu, wyłączając i włączając spiculację, obliczając AUC w danych PanCan. Ponadto przeanalizowaliśmy poprawę klasyfikacji przypadków, przypadków nieotrzymujących i ogólnych danych z uwzględnieniem spiculacji w ostatecznym modelu z zastosowaniem poprawy klasyfikacji netto z następującymi poziomami ryzyka: niski poziom ryzyka (<5%), średni poziom ryzyka ( .5% do <10%) i wysokiego ryzyka (.10%) 18 Wszystkie podane wartości P są dwustronne, o ile nie wskazano inaczej [podobne: rezonans magnetyczny, mezoterapia igłowa, bielenda olejek do kąpieli ]

Tags: , ,

Comments are closed.

Powiązane tematy z artykułem: bielenda olejek do kąpieli mezoterapia igłowa rezonans magnetyczny