انجمن علمی - پژوهشی نیوان
2.pdf
کلمات اختصاری: machine learning (ML) ، Body Mass Index (BMI)
کلیت مقاله: کودکان کم سن و سال به طور فزاینده ای در حال چاق شدن هستند، زیرا هم درمعرض افزایش مصرف غذاهای فراوری شده و هم کاهش فعالیت قرار دارند. ادراک و نوع تربیت مادرانه مادران میتواند بر روی توانایی کودکان در ثبات وزن بسیار اثرگذار باشد. این مطالعه، یک مدل پیشگو برای پیش بینی چاقی کودکان در ده سالگی را توسعه داده است و ریسک فاکتور های مرتبط را با استفاده از متود های ML در این مدل گنجانده است.
داده ها از ۱۱۸۵ کودک و مادران آنها (توسط Korean National Study) تهیه شده است.
این مدل پیشگو، بر اساس ده ریسک فاکتور در دو گوره تهیه شده است:
۱. مرتبط با کودکان: مثل جنسیت ، عادت های غذایی، فعالیت بدنی و BMI قبلی کودک
۲. مرتبط با مادران: مثل سطح تحصیلات، BMI و self-esteemed مادرانه
این مدل پیشگو با accuracy (صحت) ۷۶% و AUC برابر با ۰.۸۲ مورد تایید قرار گرفته است.
همچنین در این مطالعه مشاهده شد که به غیر از BMI قبلی بالا در کودک و مادر، فعالیت بدنی کم در کودکان و همچنین self-esteem بالاتر در مادران، ریسک فاکتور های بسیار مهمی بودند. (خصوصا این مطالعه بر روی بحث شخصیت و عزت مادرانه مادران (self-esteem) بسیار تاکید دارد)
در انتهای مطالعه ذکر شده است که این مطالعه به تنهایی کافی نیست و مطالعات دیگری لازم است تا بتوان استراتژی های موثرتری را برای غربالگری کودکان در معرض خطر چاقی، توسعه داد.
🆔@NivanAssociation
کلیت مقاله: کودکان کم سن و سال به طور فزاینده ای در حال چاق شدن هستند، زیرا هم درمعرض افزایش مصرف غذاهای فراوری شده و هم کاهش فعالیت قرار دارند. ادراک و نوع تربیت مادرانه مادران میتواند بر روی توانایی کودکان در ثبات وزن بسیار اثرگذار باشد. این مطالعه، یک مدل پیشگو برای پیش بینی چاقی کودکان در ده سالگی را توسعه داده است و ریسک فاکتور های مرتبط را با استفاده از متود های ML در این مدل گنجانده است.
داده ها از ۱۱۸۵ کودک و مادران آنها (توسط Korean National Study) تهیه شده است.
این مدل پیشگو، بر اساس ده ریسک فاکتور در دو گوره تهیه شده است:
۱. مرتبط با کودکان: مثل جنسیت ، عادت های غذایی، فعالیت بدنی و BMI قبلی کودک
۲. مرتبط با مادران: مثل سطح تحصیلات، BMI و self-esteemed مادرانه
این مدل پیشگو با accuracy (صحت) ۷۶% و AUC برابر با ۰.۸۲ مورد تایید قرار گرفته است.
همچنین در این مطالعه مشاهده شد که به غیر از BMI قبلی بالا در کودک و مادر، فعالیت بدنی کم در کودکان و همچنین self-esteem بالاتر در مادران، ریسک فاکتور های بسیار مهمی بودند. (خصوصا این مطالعه بر روی بحث شخصیت و عزت مادرانه مادران (self-esteem) بسیار تاکید دارد)
در انتهای مطالعه ذکر شده است که این مطالعه به تنهایی کافی نیست و مطالعات دیگری لازم است تا بتوان استراتژی های موثرتری را برای غربالگری کودکان در معرض خطر چاقی، توسعه داد.
🆔@NivanAssociation
⭐️ مفهوم maternal self-esteem
یک مفهوم شخصیتی در مادران می باشد که در حقیقت می توان آن را تنظیم رفتار مادر به سمت رفتار مادرانه و همچنین اعتماد به نفس مادر به توانایی های خود در تربیت کودک و تعامل با کودک دانست. شاید در فارسی آن را بتوان عزت نفس مادرانه ترجمه کرد. برای فهم بهتر این مفهوم مقاله زیر پیشنهاد می شود.
Maternal self-esteem: from theory to clinical practice in a special care nursery - PubMed
https://pubmed.ncbi.nlm.nih.gov/10122429/
🆔@NivanAssociation
یک مفهوم شخصیتی در مادران می باشد که در حقیقت می توان آن را تنظیم رفتار مادر به سمت رفتار مادرانه و همچنین اعتماد به نفس مادر به توانایی های خود در تربیت کودک و تعامل با کودک دانست. شاید در فارسی آن را بتوان عزت نفس مادرانه ترجمه کرد. برای فهم بهتر این مفهوم مقاله زیر پیشنهاد می شود.
Maternal self-esteem: from theory to clinical practice in a special care nursery - PubMed
https://pubmed.ncbi.nlm.nih.gov/10122429/
🆔@NivanAssociation
PubMed
Maternal self-esteem: from theory to clinical practice in a special care nursery - PubMed
Maternal self-esteem is examined from theoretical and clinical perspectives. The construct of maternal self-esteem is described, and infant and maternal factors affecting it are delineated. These factors include infant health, maternal perception of infant…
معیارهای ورود و خروج از مطالعات
افرادی که برای مطالعه انتخاب می شوند باید دارای یک سری خصوصیت باشند و همچنین فاقد یکسری ویژگی ها که به این خصوصیات معیار های ورود گفته می شود. برای مثال در یک تحقیق ممکن است بکار بردن یک دارو برای زنان باردار خطرناک باشد که بدین ترتیب باردار بودن یک معیار ورود منفی می باشد و همچنین ممکن است این تحقیق بر روی زنان بالای 50 سال انجام شود که سن بالاتر از 50 سال نیز یک معیار ورود مثبت خواهد بود.
همچنین ممکن است بعضی از حالات خاص باعث خروج بیمار موردنظر از تحقیق گردد مثلا در تحقیق "مقایسه اثر پماد جلدی پیروکسیکام و اسانس سالویا در درمان استئوآرتریت زانو" ایجاد ضایعات جلدی دراثر حساسیت به هریک از موارد فوق باعث خروج بیمار از تحقیق می گردد. به اینگونه معیارها، معیارهای خروج می گویند. محقق می بایست قبل از شروع یک کارآزمایی بالینی معیارهای ورود و خروج افراد موردپژوهش را پس از مرور متون دقیقا مشخص نماید.
🆔@NivanAssociation
افرادی که برای مطالعه انتخاب می شوند باید دارای یک سری خصوصیت باشند و همچنین فاقد یکسری ویژگی ها که به این خصوصیات معیار های ورود گفته می شود. برای مثال در یک تحقیق ممکن است بکار بردن یک دارو برای زنان باردار خطرناک باشد که بدین ترتیب باردار بودن یک معیار ورود منفی می باشد و همچنین ممکن است این تحقیق بر روی زنان بالای 50 سال انجام شود که سن بالاتر از 50 سال نیز یک معیار ورود مثبت خواهد بود.
همچنین ممکن است بعضی از حالات خاص باعث خروج بیمار موردنظر از تحقیق گردد مثلا در تحقیق "مقایسه اثر پماد جلدی پیروکسیکام و اسانس سالویا در درمان استئوآرتریت زانو" ایجاد ضایعات جلدی دراثر حساسیت به هریک از موارد فوق باعث خروج بیمار از تحقیق می گردد. به اینگونه معیارها، معیارهای خروج می گویند. محقق می بایست قبل از شروع یک کارآزمایی بالینی معیارهای ورود و خروج افراد موردپژوهش را پس از مرور متون دقیقا مشخص نماید.
🆔@NivanAssociation
⭐️ مطالعات گزارش - موارد (case-series)
تعریف و ویژگی: اگر به جای یک تا پنج مورد، ده الی سی مورد نامعمول که احتمالا با یکدیگر مرتبط هم هستند بررسی شود،
گزارش موارد انجام می شود. همانند مطالعات گزارش موردی تاکید بر مشاهده منفرد و دقیق تک تک موارد است. هیچ آنالیز و تحلیل آماری وجود ندارد.
معمولا در مقالات مروری اولین رده ای که قابلیت بررسی در مقالات مروری را دارد این نوع مطالعه ها هستند
دقت کنید که در مطالعات report case و series case طراحی خاصی وجود ندارد.
🆔@NivanAssociation
تعریف و ویژگی: اگر به جای یک تا پنج مورد، ده الی سی مورد نامعمول که احتمالا با یکدیگر مرتبط هم هستند بررسی شود،
گزارش موارد انجام می شود. همانند مطالعات گزارش موردی تاکید بر مشاهده منفرد و دقیق تک تک موارد است. هیچ آنالیز و تحلیل آماری وجود ندارد.
معمولا در مقالات مروری اولین رده ای که قابلیت بررسی در مقالات مروری را دارد این نوع مطالعه ها هستند
دقت کنید که در مطالعات report case و series case طراحی خاصی وجود ندارد.
🆔@NivanAssociation
⭕️ P Value
حتما بسیار شنیده اید یا در مقالات خوانده اید که این فرضیه از نظر آماری قابل توجه یا به اصطلاح significant است اما معیار این حرف چیست و خود این معیار چه مفهومی دارد؟
از نظر اماری چیزی وجود دارد به نام فرضیه خنثی یا صفر یا null hypotesis این فرضیه دقیقا معکوس فرضیه محقق است و میگوید بین دو متغیر ما هیچ ارتباطی نیست
ما با p value احتمال درست بودن فرضیه صفر یا به طور ساده تر شانسی درست بودن فرضیه محقق رو اعلام میکنیم
به طور اماری و براساس توزیع نرمال در صورت کوچک تر بودن p value از ۵ درصد احتمال درست بودن فرضیه محقق بالاست و تفاوت معنی دار است
گاها در موارد خاص حد معنی داری ۱ درصد در نظر گرفته می شود اما به طور معمول همان ۵ درصد ملاک است
در نمودارها و تصاویر حد پنج درصد با یک ستاره، حد یک درصد با دو ستاره و حد یک دهم درصد با سه ستاره مشخص میشود
❗️نکته حائز اهمیت این است که p value برای یک فرضیه و محاسبه است و ابزار مقایسه بین دو فرضیه نیست
🆔️@NivanAssociation
حتما بسیار شنیده اید یا در مقالات خوانده اید که این فرضیه از نظر آماری قابل توجه یا به اصطلاح significant است اما معیار این حرف چیست و خود این معیار چه مفهومی دارد؟
از نظر اماری چیزی وجود دارد به نام فرضیه خنثی یا صفر یا null hypotesis این فرضیه دقیقا معکوس فرضیه محقق است و میگوید بین دو متغیر ما هیچ ارتباطی نیست
ما با p value احتمال درست بودن فرضیه صفر یا به طور ساده تر شانسی درست بودن فرضیه محقق رو اعلام میکنیم
به طور اماری و براساس توزیع نرمال در صورت کوچک تر بودن p value از ۵ درصد احتمال درست بودن فرضیه محقق بالاست و تفاوت معنی دار است
گاها در موارد خاص حد معنی داری ۱ درصد در نظر گرفته می شود اما به طور معمول همان ۵ درصد ملاک است
در نمودارها و تصاویر حد پنج درصد با یک ستاره، حد یک درصد با دو ستاره و حد یک دهم درصد با سه ستاره مشخص میشود
❗️نکته حائز اهمیت این است که p value برای یک فرضیه و محاسبه است و ابزار مقایسه بین دو فرضیه نیست
🆔️@NivanAssociation
⭐️ معرفی مطالعات هم گروهی (Cohort)
💬 تعریف و ویژگی: مطالعات کوهورت که به آن ها مطالعات پیگیری نیز می گویند، گروهی از مطالعات تحلیلی هستند. واژه کوهورت را اپیدمیولوژیست ها برای گروهی از افراد که از نظر یک خصوصیت مشترک می باشند و به دلیل آن خصوصیت در طول دوره زمانی تحت نظر محقق قرار می گیرند، بکار می بردند. در این نوع مطالعه از علت به سمت معلول حرکت می کنیم، بنابراین به آن آینده نگر یا prospective نیز می گویند. در یک مطالعه هم گروهی، گروهی از افراد
مواجهه یافته، به همراه گروهی از افراد مواجهه نیافته، درطول یک دوره زمانی پیگیری می شوند و در پایان دوره بروز بیماری (پیامد) در دو گروه با یکدیگر مقایسه می شوند. در اینجا risk relative بررسی می شود.
🆔@NivanAssociation
💬 تعریف و ویژگی: مطالعات کوهورت که به آن ها مطالعات پیگیری نیز می گویند، گروهی از مطالعات تحلیلی هستند. واژه کوهورت را اپیدمیولوژیست ها برای گروهی از افراد که از نظر یک خصوصیت مشترک می باشند و به دلیل آن خصوصیت در طول دوره زمانی تحت نظر محقق قرار می گیرند، بکار می بردند. در این نوع مطالعه از علت به سمت معلول حرکت می کنیم، بنابراین به آن آینده نگر یا prospective نیز می گویند. در یک مطالعه هم گروهی، گروهی از افراد
مواجهه یافته، به همراه گروهی از افراد مواجهه نیافته، درطول یک دوره زمانی پیگیری می شوند و در پایان دوره بروز بیماری (پیامد) در دو گروه با یکدیگر مقایسه می شوند. در اینجا risk relative بررسی می شود.
🆔@NivanAssociation
⭐️ معرفی مطالعات retrospective cohort یا Historical cohort
همان مطالعه prospective است که درگذشته انجام شده است. یعنی مطالعه براساس پرونده مریض ها در ده سال گذشته انجام شده است. در این نوع مطالعه از علت به سمت معلول حرکت می شوند.
📖 مراحل انجام مطالعه کوهورت
1️⃣ انتخاب هم گروه
2️⃣ تعیین گروه افراد مواجهه یافته و نیافته
3️⃣ پیگیری افراد دو گروه
4️⃣ تعیین و مقایسه پیامد در افراد گروه های مواجهه یافته و مواجهه نیافته
🟢 نقاط قوت
1️⃣ امکان بررسی مواجهه های نادر
2️⃣ نتایج دقیق تر مطالعه
3️⃣ احتمال سوگرایی کمتر
4️⃣ امکان بررسی تقدم زمانی بین مواجهه و پیامد
5️⃣ امکان محاسبه بروز پیامدها در گروه مواجهه یافته و مواجهه نیافته
🔴 نقاط ضعف
1️⃣ هزینه و وقت زیاد
2️⃣ زیاد بودن جمعیت مورد مطالعه
3️⃣ از دست دادن افراد درطول مطالعه
4️⃣ تغییر عادات در طول مطالعه (اثر هاتورن)
🆔@NivanAssociation
همان مطالعه prospective است که درگذشته انجام شده است. یعنی مطالعه براساس پرونده مریض ها در ده سال گذشته انجام شده است. در این نوع مطالعه از علت به سمت معلول حرکت می شوند.
📖 مراحل انجام مطالعه کوهورت
1️⃣ انتخاب هم گروه
2️⃣ تعیین گروه افراد مواجهه یافته و نیافته
3️⃣ پیگیری افراد دو گروه
4️⃣ تعیین و مقایسه پیامد در افراد گروه های مواجهه یافته و مواجهه نیافته
🟢 نقاط قوت
1️⃣ امکان بررسی مواجهه های نادر
2️⃣ نتایج دقیق تر مطالعه
3️⃣ احتمال سوگرایی کمتر
4️⃣ امکان بررسی تقدم زمانی بین مواجهه و پیامد
5️⃣ امکان محاسبه بروز پیامدها در گروه مواجهه یافته و مواجهه نیافته
🔴 نقاط ضعف
1️⃣ هزینه و وقت زیاد
2️⃣ زیاد بودن جمعیت مورد مطالعه
3️⃣ از دست دادن افراد درطول مطالعه
4️⃣ تغییر عادات در طول مطالعه (اثر هاتورن)
🆔@NivanAssociation
https://www.nature.com/articles/s41586-021-04278-5.pdf
⭐️ نام مقاله:
Multi-omic machine learning predictor of breast cancer therapy response
🆔@NivanAssociation
⭐️ نام مقاله:
Multi-omic machine learning predictor of breast cancer therapy response
🆔@NivanAssociation
کلیت مقاله: سرطان سینه در حقیقت یک اکوسیستم پیچیده از سلولهای ملیگننت یا بدخیم است. ترکیب اکوسیستم این تومورها و ارتباطات بین آنها و سلول های آنها می تواند به ما در پاسخ این بیماری به سایتوتوکسیک تراپی کمک بکند. مدل های پیشگویی که تا به الان پاسخ به این درمان را پیش بینی می کردند شامل این معیار نمی شدند. در این تحقیق، ۱۶۹ بیمار قبل از آغاز درمان مورد مطالعه قرار گرفته و از اطلاعاتی شامل پرونده کلینیکی، پاتولوژی، ژنتیکی و همچنین اطلاعات رونویسی RNA ها که از بیوپسی آنها تهیه شده بود، استفاده شده است. این بیماران در ادامه به وسیله کموتراپی تحت درمان و تا قبل از جراحی مورد ارزیابی قرار می گیرند.
نتیجه پاتولوژی بعد جراحی، با بسیاری از دیتا های بیوپسی های تشخیصی ابتدایی، همبستگی دارد. این مطالعه در حقیقت نشان می دهد که پاسخ به درمان در این بیماری، با زیست بوم تومورها قبل از آغاز درمان مرتبط است و این فاکتور های مرتبط با هم می توانند در مدل های پیشگو با استفاده از متود های ML، با هم ترکیب شوند. میزان باقیمانده بیماری در بدن بعد از درمان، همواره تحت الگوی مشخصی با فاکتورها و ویژگی های قبل درمان مرتبط است مثل جهش ها و میوتیشن های تومور و تعداد جایگاه های رونویسی، پرولیفراسیون تومور، عدم عملکرد مناسب T سل ها و ... (که در مقاله موارد دیگری هم توضیح داده شده است)
با ترکیب این فاکتورها توانستیم یک مدل ML پیچیده چندفاکتوره را طراحی بکنیم که توانست به صورت کامل پاتولوژی پاسم به درمان را در ۷۵ مورد پیش بینی بکند و همچنین در کل تحقیق توانست آمار AUC برابر با ۰.۸۷ را از خود نشان دهد.
💬 نتیجه: پاسخ به درمان به وسیله ویژگی های کاراکتریستیک ابتدایی از اکوسیستم تومور مشخص می شود که این مطالعه به خوبی توانسته این فاکتور ها را در یک مدل پیشگو بر پایه ی ML قرار دهد. این مدل میتواند برای پیشگویی پاسخ به درمان سایر سرطان ها هم مورد ارزیابی قرار بگیرد.
🆔@NivanAssociation
نتیجه پاتولوژی بعد جراحی، با بسیاری از دیتا های بیوپسی های تشخیصی ابتدایی، همبستگی دارد. این مطالعه در حقیقت نشان می دهد که پاسخ به درمان در این بیماری، با زیست بوم تومورها قبل از آغاز درمان مرتبط است و این فاکتور های مرتبط با هم می توانند در مدل های پیشگو با استفاده از متود های ML، با هم ترکیب شوند. میزان باقیمانده بیماری در بدن بعد از درمان، همواره تحت الگوی مشخصی با فاکتورها و ویژگی های قبل درمان مرتبط است مثل جهش ها و میوتیشن های تومور و تعداد جایگاه های رونویسی، پرولیفراسیون تومور، عدم عملکرد مناسب T سل ها و ... (که در مقاله موارد دیگری هم توضیح داده شده است)
با ترکیب این فاکتورها توانستیم یک مدل ML پیچیده چندفاکتوره را طراحی بکنیم که توانست به صورت کامل پاتولوژی پاسم به درمان را در ۷۵ مورد پیش بینی بکند و همچنین در کل تحقیق توانست آمار AUC برابر با ۰.۸۷ را از خود نشان دهد.
💬 نتیجه: پاسخ به درمان به وسیله ویژگی های کاراکتریستیک ابتدایی از اکوسیستم تومور مشخص می شود که این مطالعه به خوبی توانسته این فاکتور ها را در یک مدل پیشگو بر پایه ی ML قرار دهد. این مدل میتواند برای پیشگویی پاسخ به درمان سایر سرطان ها هم مورد ارزیابی قرار بگیرد.
🆔@NivanAssociation
⭐️ جدیدترین مقالات منتشر شده در حوزه پزشکی و بالینی
وب سایت زیر جدیدترین مقالات چاپ شده با کلمات کلیدی مدنظر شما در مجلات مورد نظرتان را نشان می دهد
🌐 https://www.readbyqxmd.com
🆔@NivanAssociation
وب سایت زیر جدیدترین مقالات چاپ شده با کلمات کلیدی مدنظر شما در مجلات مورد نظرتان را نشان می دهد
🌐 https://www.readbyqxmd.com
🆔@NivanAssociation
⭐️ معرفی مطالعات مقطعی - توصیفی (denoscriptive cross-sectional)
💬 تعریف و ویژگی: مطالعات مقطعی که به عنوان مطالعه شیوع یا مطالعه توصیفی- تحلیلی نیز خوانده می شود، معموال شامل یک نمونه گیری تصادفی از جامعه هدف است. این مطالعات به شکل یک عکس فوری از رویداد یک بیماری و وضعیت مواجهه در یک جمعیت انجام می شود و توزیع فراوانی متغیرهای مختلف را در یک جمعیت و در یک لحظه از زمان بررسی می کند. در این نوع مطالعه ارتباط بررسی می شود ولی علت و معلولی بررسی نمی شود.
🟢 نقاط قوت
1️⃣ این مطالعات در مدت زمان کوتاه و با هزینه کم انجام می شوند.
2️⃣ مشکل از دست دادن نمونه ها را نداریم درحالی که در مطالعاتی که نیاز به پیگیری بیماران درطول زمان دارند این مشکل همواره وجود دارد.
3️⃣ با استفاده از این مطالعات می توان شیوع لحظه ای مواجهه و پیامد را به دست آورد.
4️⃣ هیچکس با یک عامل خطر احتمالی مواجهه ندارد یا از یک عامل مفید احتمالی محروم نمی شود.
🔴 نقاط ضعف
1️⃣ رابطه علیتی به درستی مشخص نمی شود.
2️⃣ نمی توان بروز بیماری ها را محاسبه کرد. محاسبه بروز بیماری ها در تعیین رابطه علت و معلولی بین مواجهه و پیامد نقش موثری دارد.
3️⃣ در مواردی که مواجهه یا پیامد نادر است، انجام مطالعات مقطعی مشکل می شود.
🆔@NivanAssociation
💬 تعریف و ویژگی: مطالعات مقطعی که به عنوان مطالعه شیوع یا مطالعه توصیفی- تحلیلی نیز خوانده می شود، معموال شامل یک نمونه گیری تصادفی از جامعه هدف است. این مطالعات به شکل یک عکس فوری از رویداد یک بیماری و وضعیت مواجهه در یک جمعیت انجام می شود و توزیع فراوانی متغیرهای مختلف را در یک جمعیت و در یک لحظه از زمان بررسی می کند. در این نوع مطالعه ارتباط بررسی می شود ولی علت و معلولی بررسی نمی شود.
🟢 نقاط قوت
1️⃣ این مطالعات در مدت زمان کوتاه و با هزینه کم انجام می شوند.
2️⃣ مشکل از دست دادن نمونه ها را نداریم درحالی که در مطالعاتی که نیاز به پیگیری بیماران درطول زمان دارند این مشکل همواره وجود دارد.
3️⃣ با استفاده از این مطالعات می توان شیوع لحظه ای مواجهه و پیامد را به دست آورد.
4️⃣ هیچکس با یک عامل خطر احتمالی مواجهه ندارد یا از یک عامل مفید احتمالی محروم نمی شود.
🔴 نقاط ضعف
1️⃣ رابطه علیتی به درستی مشخص نمی شود.
2️⃣ نمی توان بروز بیماری ها را محاسبه کرد. محاسبه بروز بیماری ها در تعیین رابطه علت و معلولی بین مواجهه و پیامد نقش موثری دارد.
3️⃣ در مواردی که مواجهه یا پیامد نادر است، انجام مطالعات مقطعی مشکل می شود.
🆔@NivanAssociation
https://www.nature.com/articles/s41467-022-28421-6.pdf
⭐️ نام مقاله:
Machine learning-based integration develops an immune-derived lncRNA signature for improving outcomes in colorectal cancer
🆔@NivanAssociation
⭐️ نام مقاله:
Machine learning-based integration develops an immune-derived lncRNA signature for improving outcomes in colorectal cancer
🆔@NivanAssociation
💬 کلیت مقاله: در مطالعات اخیر به تازگی دریافته اند که IncRNA ها (non-coding RNA های بلند) در فرآیند های درمانی و اصلاحی ایمونولوژیک در سرطان کولورکتال (CRC) موثرند. با این حال مطالعات کلینیکال مرتبط با ایمونولوژی در زمینه IncRNA کم بوده و بسیاری از مباحث در این زمینه هنوز کشف نشده است. در این مطالعه، یک پروسه یکپارچه برپایه ML برای ساخت آثار ایمونولوژی مرتبط با IncRNA ها به نام IRLS توسعه داده شده است. IRLS در حقیقت یک ریسک فاکتور با قدرت بالا برای میزان بقا و احتمال پایدار شدن بیمار است ولی قدرت محدودی در پیش بینی بقای بدون عود بیماران دارد. به علاوه IRLS به صورت مجزا، accuracy (صحت) بالاتری به نسبت ۱۰۹ متغیر شامل متغیر های کلینیکی مرسوم و ویژگی های مولکولی را دارد. به دست آوردن گروه های با ریسک زیاد و کم از این جهت مهم است که گروه high risk به کموتراپی بر پایه فلورواوراسیل حساسیت دارد درحالیکه گروه low risk بیشتر از درمان با bevacizumab منفعت میبرد. نکته قابل توجه این است که گروه low risk، انفیلتراسیون قابل توجه لنفوسیتی، بیان بالای CD8A و PD-L1 و همچنین پاسخ به درمان با pembrolizumab را از خود نشان می دهد.
💬 نتیجه: مدل IRLS میتواند به عنوان یک ابزار قدرتمند برای بهتر شدن نتایج بالینی در بیماران CRC، مورد استفاده قرار گیرد.
🆔@NivanAssociation
💬 نتیجه: مدل IRLS میتواند به عنوان یک ابزار قدرتمند برای بهتر شدن نتایج بالینی در بیماران CRC، مورد استفاده قرار گیرد.
🆔@NivanAssociation
⭐️ Umbrella Diagram
یک قالب ساده و منحصر به فرد است که آماده استفاده در ارائه های پاورپوینت برای ارتقای کسب و کار است. چتر نماد امنیت در شرایط آب و هوایی سخت است. این استعاره از امنیت می تواند به خوبی در هنگام نشان دادن مزایای پایبندی به سازمان شما به ذینفعان به کار رود. این الگو همچنین می تواند برای معرفی خطراتی استفاده شود که پس از تصمیم گیری احتمال وقوع آنها محتمل است و باید از آنها جلوگیری شود.
🆔@NivanAssociation
یک قالب ساده و منحصر به فرد است که آماده استفاده در ارائه های پاورپوینت برای ارتقای کسب و کار است. چتر نماد امنیت در شرایط آب و هوایی سخت است. این استعاره از امنیت می تواند به خوبی در هنگام نشان دادن مزایای پایبندی به سازمان شما به ذینفعان به کار رود. این الگو همچنین می تواند برای معرفی خطراتی استفاده شود که پس از تصمیم گیری احتمال وقوع آنها محتمل است و باید از آنها جلوگیری شود.
🆔@NivanAssociation
⭐️ کلیت مقاله: سرطان تخمدان یکی از شایع ترین بدخیمی های ژنیکولوژیک است که بعد از سرطان سرویکس (دهانه رحم) و سرطان رحم در جایگاه سوم قرار دارد. HGSOC (high-grade serous ovarian cancer) یکی از تهاجمی ترین زیرگروه های این بیماری است که شروع دیررس علائم آن، نشان دهنده پروگنوز (پیش آگهی) بد بیماری است.
الگوریتم های فعلی که ریسک داشتن سرطان تخمدان را پیش بینی می کنند، نتوانسته است حساسیت و اختصاصیت کافی را برای استفاده موثر و فراگیر در سطح دنیا فراهم کند. همچنین استفاده از بیومارکر ها یا پارامتر های کمکی مثل سن یا وضعیت مونوپوز (یائسگی) کمم کمی مرده است. به همین دلیل امروزه نیاز است تا با تشخیص الگوهای اثر مولکولی و توسعه الگوریتم های جدید به تشخیص HGSOC کمک کرد. همچنین باید فهم خود را از این بیماری با هدف نهایی افزایش بقای بیماران افزایش دهیم.
در این مطالعه، یک سیستم DSS (decision suport system) بر پایه ی ML، طراحی شده است که با دسترسی به دیتاهای آزاد HGSOC، توانایی بالایی در فهم و شناسایی دیتا های بیوپسی های این بیماری دارد. مدل یا سیستم DSS دارای دو مرحله است:
1️⃣ انتخاب ویژگی
2️⃣ درخت تصمیم گیری (decision tree)
با استفاده از این مدل سعی شده است تا مولکول هایی که در تشخیص این بیماری کاربرد دارند شناسایی شوند.
💬 نتیجه: نتایج این مدل شامل سه پروتئین کاملا متمایز از هم است: TOP1 و PDIA4 و OGN که می توانند برای آزمایشات تشخیصی در آینده بسیار کاربردی باشند.
🆔@NivanAssociation
الگوریتم های فعلی که ریسک داشتن سرطان تخمدان را پیش بینی می کنند، نتوانسته است حساسیت و اختصاصیت کافی را برای استفاده موثر و فراگیر در سطح دنیا فراهم کند. همچنین استفاده از بیومارکر ها یا پارامتر های کمکی مثل سن یا وضعیت مونوپوز (یائسگی) کمم کمی مرده است. به همین دلیل امروزه نیاز است تا با تشخیص الگوهای اثر مولکولی و توسعه الگوریتم های جدید به تشخیص HGSOC کمک کرد. همچنین باید فهم خود را از این بیماری با هدف نهایی افزایش بقای بیماران افزایش دهیم.
در این مطالعه، یک سیستم DSS (decision suport system) بر پایه ی ML، طراحی شده است که با دسترسی به دیتاهای آزاد HGSOC، توانایی بالایی در فهم و شناسایی دیتا های بیوپسی های این بیماری دارد. مدل یا سیستم DSS دارای دو مرحله است:
1️⃣ انتخاب ویژگی
2️⃣ درخت تصمیم گیری (decision tree)
با استفاده از این مدل سعی شده است تا مولکول هایی که در تشخیص این بیماری کاربرد دارند شناسایی شوند.
💬 نتیجه: نتایج این مدل شامل سه پروتئین کاملا متمایز از هم است: TOP1 و PDIA4 و OGN که می توانند برای آزمایشات تشخیصی در آینده بسیار کاربردی باشند.
🆔@NivanAssociation
1.pdf
1.2 MB
⭐️ نام مقاله:
Machine learning methods to predict presence of residual cancer following hysterectomy
🆔@NivanAssociation
Machine learning methods to predict presence of residual cancer following hysterectomy
🆔@NivanAssociation
💬 کلیت مقاله: درمان های جراحی برای بدخیمی های ژنیکولوژیک در سرتاسر دنیا معمولا شامل هیسترکتومی می شوند. با وجود درمان های جراحی و دارویی، بدخیمی های ژنیکولوژیک احتمال عود بالایی را دارند.
مدل های ML امروزی با استفاده از اطلاعات پاتولوژی پیشرفته که معمولا توسط مراجع پایین دستی درمانی در دسترس نیستند و منحصر به یک نوع سرطان خاص هستند، اقدام به پیش بینی می کنند درحالیکه امروزه ما نیاز به مدل هایی را داریم که بتواند با استفاده از منابع کلینیکال در دسترس، اقدام به پیش بینی باقیمانده های بیماری در بدن (که به صورت کلینیکال قابل تشخیص نیستند) بکند. در این مطالعه، تعدادی از مدل های ML توسعه داده شده و مورد ارزیابی قرار گرفته اند تا بتوان با کمک آنها، ریسک باقیماندن موارد پاتولوژیک پس از هیسترکتومی را با استفاده از پارامتر های کلینیکی و جراحی، پیش بینی کرد.
در این تحقیق، داده هایی از 3656 بیمار مورد هیسترکتومی از طریق دیتابیس NSQIP در بازه ی ۱۴ ساله برای توسعه مدلها جمع آوری شده که در آن ۲۹۲۵ بیمار مورد ارزیابی قرار گرفته و ۷۳۱ نفر در گروه کنترل قرار گرفتند.
مدل های به کار رفته در این مطالعه، نشان می دهند که مهم ترین نشانه های پیش بینی کننده عود لگنی پس از جراحی شامل مواردی مثل وجود توده های شکمی در سطح دیافراگم، بیماری های واقع در مزانتر روده و بیماری های سروز روده در ابتدای بیماری و همچنین بیماری های مجاور لگنی قبل از جراحی می باشد.
💬 نتیجه: بین ۳ مدل اصلی که مورد مطالعه قرار گرفتند، تفاوت های آماری زیادی مشاهده نشد. این ۳ مدل توانستند به نتایج آماری با AUC حدود ۰.۹ و accuracy یا صحت ۸۷ تا ۸۸ درصد دست پیدا کنند. با استفاده از این مدلها، پزشکان می توانند مواردی از سرطان های ژنیکولوژیک را که احتمال عود پس از هیسترکتومی دارند را تشخیص داده و درمان های اضافی لازم را انجام دهند.
🆔@NivanAssociation
مدل های ML امروزی با استفاده از اطلاعات پاتولوژی پیشرفته که معمولا توسط مراجع پایین دستی درمانی در دسترس نیستند و منحصر به یک نوع سرطان خاص هستند، اقدام به پیش بینی می کنند درحالیکه امروزه ما نیاز به مدل هایی را داریم که بتواند با استفاده از منابع کلینیکال در دسترس، اقدام به پیش بینی باقیمانده های بیماری در بدن (که به صورت کلینیکال قابل تشخیص نیستند) بکند. در این مطالعه، تعدادی از مدل های ML توسعه داده شده و مورد ارزیابی قرار گرفته اند تا بتوان با کمک آنها، ریسک باقیماندن موارد پاتولوژیک پس از هیسترکتومی را با استفاده از پارامتر های کلینیکی و جراحی، پیش بینی کرد.
در این تحقیق، داده هایی از 3656 بیمار مورد هیسترکتومی از طریق دیتابیس NSQIP در بازه ی ۱۴ ساله برای توسعه مدلها جمع آوری شده که در آن ۲۹۲۵ بیمار مورد ارزیابی قرار گرفته و ۷۳۱ نفر در گروه کنترل قرار گرفتند.
مدل های به کار رفته در این مطالعه، نشان می دهند که مهم ترین نشانه های پیش بینی کننده عود لگنی پس از جراحی شامل مواردی مثل وجود توده های شکمی در سطح دیافراگم، بیماری های واقع در مزانتر روده و بیماری های سروز روده در ابتدای بیماری و همچنین بیماری های مجاور لگنی قبل از جراحی می باشد.
💬 نتیجه: بین ۳ مدل اصلی که مورد مطالعه قرار گرفتند، تفاوت های آماری زیادی مشاهده نشد. این ۳ مدل توانستند به نتایج آماری با AUC حدود ۰.۹ و accuracy یا صحت ۸۷ تا ۸۸ درصد دست پیدا کنند. با استفاده از این مدلها، پزشکان می توانند مواردی از سرطان های ژنیکولوژیک را که احتمال عود پس از هیسترکتومی دارند را تشخیص داده و درمان های اضافی لازم را انجام دهند.
🆔@NivanAssociation
⭕️ Confidence Interval
حتما دیده اید در مقالات پس از اعلام نتیجه در پرانتز مینویسد CI95% و یک بازه اعلام میکنند
این بازه چیست
این بازه به طور عامیانه همان مثبت و منفی خودمان است
یعنی چی؟؟
عدد اعلامی ما عددیست که ما بدست اوردیم ولی ایا عدد واقعی در واقعیت همین است؟
اینجاست که بازه احتمالی مطرح میشود
در CI ما میگوییم با احتمال اعلام خودمان که معمولا ۹۵ درصد و گاها ۹۹ درصد است عدد واقعی در این بازه است
خب چه ربطی به عدد ما داره؟
نکتش همینه که هرچی این بازه کوچیک تر باشه و درصد بالاتری انتخاب کرده باشیم اعتبار عدد ما بالاتر میره و قابل استناد تره
حالا چطوری محاسبه میشه؟
فرمولش رو ببینید و متوجه میشید
متغیر n و x که مشخصا میمونه s و z
برای احتمال ۹۵ درصد برای s ما عدد ۲ و برای z عدد ۱.۹۶ رو میذاریم
برای احتمال ۹۹ برای s حدود ۳ و برای z عدد ۲.۵۷ رو میذاریم
متغیر s که همون انحراف معیار و منحنی توزیع نرماله ولی z پیچیده تره و توضیح میخواد
چرا پس همیشه همرو ۹۹ اعلام نمی کنیم؟
به دو دلیل یک اینکه نیاز نیست و ۹۵ کار رو معمولا راه میندازه و دو اینکه با ۹۹ بازه بزرگ میشه و عدد خودمون میره زیر سوال
🆔@NivanAssociation
حتما دیده اید در مقالات پس از اعلام نتیجه در پرانتز مینویسد CI95% و یک بازه اعلام میکنند
این بازه چیست
این بازه به طور عامیانه همان مثبت و منفی خودمان است
یعنی چی؟؟
عدد اعلامی ما عددیست که ما بدست اوردیم ولی ایا عدد واقعی در واقعیت همین است؟
اینجاست که بازه احتمالی مطرح میشود
در CI ما میگوییم با احتمال اعلام خودمان که معمولا ۹۵ درصد و گاها ۹۹ درصد است عدد واقعی در این بازه است
خب چه ربطی به عدد ما داره؟
نکتش همینه که هرچی این بازه کوچیک تر باشه و درصد بالاتری انتخاب کرده باشیم اعتبار عدد ما بالاتر میره و قابل استناد تره
حالا چطوری محاسبه میشه؟
فرمولش رو ببینید و متوجه میشید
متغیر n و x که مشخصا میمونه s و z
برای احتمال ۹۵ درصد برای s ما عدد ۲ و برای z عدد ۱.۹۶ رو میذاریم
برای احتمال ۹۹ برای s حدود ۳ و برای z عدد ۲.۵۷ رو میذاریم
متغیر s که همون انحراف معیار و منحنی توزیع نرماله ولی z پیچیده تره و توضیح میخواد
چرا پس همیشه همرو ۹۹ اعلام نمی کنیم؟
به دو دلیل یک اینکه نیاز نیست و ۹۵ کار رو معمولا راه میندازه و دو اینکه با ۹۹ بازه بزرگ میشه و عدد خودمون میره زیر سوال
🆔@NivanAssociation
⭐️ هایپوپیون (hypopyon)
به تجمع نوتروفیل و فیبرین در اتاقک قدامی چشم (قدام عنبیه و مردمک و پشت قرنیه) می گویند که معمولا در شکم اتاقک قدامی (پایین آن) ظاهر می شود و یکی از نشانه های عفونت باکتریال عنبیه، عدسی و عضله مژگانی است. این علامت، نشانه دهنده پروگنوز بد بیماری و یکی از اورژانس های چشم پزشکی در هر سنی می باشد.
⭐️ هیفما (hyphema)
به تجمع RBC ها در اتاقک قدامی می گویند. در اینجا هم به مانند هایپوپیون، معمولا تجمع در شکم اتاقک قدامی رخ می دهد. از شایع ترین علل آن میتوان به تروما اشاره کرد. از سایر علل هم می توان به شرایط مستعد خونریزی در بدن انسان مثل بیماری سیکل سل یا اختلالات انعقادی اشاره کرد.
#دیکشنری_پزشکی
#چشم
🆔️@NivanAssociation
به تجمع نوتروفیل و فیبرین در اتاقک قدامی چشم (قدام عنبیه و مردمک و پشت قرنیه) می گویند که معمولا در شکم اتاقک قدامی (پایین آن) ظاهر می شود و یکی از نشانه های عفونت باکتریال عنبیه، عدسی و عضله مژگانی است. این علامت، نشانه دهنده پروگنوز بد بیماری و یکی از اورژانس های چشم پزشکی در هر سنی می باشد.
⭐️ هیفما (hyphema)
به تجمع RBC ها در اتاقک قدامی می گویند. در اینجا هم به مانند هایپوپیون، معمولا تجمع در شکم اتاقک قدامی رخ می دهد. از شایع ترین علل آن میتوان به تروما اشاره کرد. از سایر علل هم می توان به شرایط مستعد خونریزی در بدن انسان مثل بیماری سیکل سل یا اختلالات انعقادی اشاره کرد.
#دیکشنری_پزشکی
#چشم
🆔️@NivanAssociation