Sci Rep：肾脏透明肾细胞癌（KIRC）动态预测模型研究
2018-12-24 AlexYang MedSci原创
最近，有研究人员通过结合临床和遗传信息为KIRC患者构建了更加精确的预测模型，通过动态更显的方法来监测疾病的恶化。研究人员通过从临床和遗传模型中获得交叉炎症的预后指标，组合了2种信息来源到超级学习模型中，通过使用里程碑意义的方法从而在组合模型中引入时间变化的影响，进一步达到实时动态预测的目的。研究人员发现，他们的超级学习模型具有更好的预后表现，原因是它不仅能够利用目前文献中构建或者报道的更好的临床
最近，有研究人员通过结合临床和遗传信息为KIRC患者构建了更加精确的预测模型，通过动态更显的方法来监测疾病的恶化。研究人员通过从临床和遗传模型中获得交叉炎症的预后指标，组合了2种信息来源到超级学习模型中，通过使用里程碑意义的方法从而在组合模型中引入时间变化的影响，进一步达到实时动态预测的目的。
研究人员发现，他们的超级学习模型具有更好的预后表现，原因是它不仅能够利用目前文献中构建或者报道的更好的临床预后模型，同时还能够组合基因组水平的信息来增强预测效果。除此之外，研究人员基于超级学习模型利用动态更新的方式勾勒了4名代表性患者的致死曲线。研究人员发现能够通过合适的治疗有效的减少2个预后指标值，这也许能达到得控制患者死亡的目的。
最后，研究人员指出，在超级学习模型中组合临床和遗传信息能够改善预后表现和产出更加准确的动态预测结果。医生能够通过动态更新疾病状态监测给予患者更好的的个性化治疗，同时该模型也能给出候选的预后因素用于未来的研究。
原始出处：
Huiling Zhao， Yuting Cao， Yue Wang et al. Dynamic prognostic model for kidney renal clear cell carcinoma (KIRC) patients by combining clinical and genetic information. Sci Rep. 04 Dec 2018.
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#细胞癌#
33
#预测模型#
31
梅斯里提供了很多疾病的模型计算公式，赞一个！
45