Validering af nyttige markører genereret af næste generations biodatabaseret genomforskning og kohorteundersøgelse (miRNA_Chip)

1. Formål Undersøgelsen vil blive udført for at udvikle de integrerede analytiske metoder til genomiske data og kliniske data og biokontrolnetværksanalysen, hvorigennem videnbaseret integreret analysesystem kan udvikles og derefter biomarkør til tidlig diagnose og behandling af bugspytkirtelkræft og galde kanalkræft, og endelig det tilpassede sygdomshåndteringssystem. Det er også for at bekræfte effektiviteten af ​​diagnostisk chip til forskningsformål ved at anvende bugspytkirtel-/galdevejskræft-specifik biomarkør, miRNA, fundet gennem integreret analyse af genomiske data og kliniske data fra patienter med bugspytkirtel-/galdevejskræft til blodet af patienter med bugspytkirtel-/galdevejskræft.
2. Effektiv evalueringsmetode

Diskrimineringen og kalibreringen for algoritme gennem den diagnostiske chip for hver kræfttype vil alle blive undersøgt ved hjælp af 10 gange krydsvalidering (100 gentagelser). I den 10-dobbelte krydsvalidering er dataene tilfældigt opdelt i 10 data af samme størrelse, hvoraf 9 bruges til at lave en model til træning og de resterende 1 anvendes til test, og denne proces gentages tilfældigt og uafhængigt i 100 gange.

Den 10 gange krydsvaliderede AUC beregnes for at se forskellen mellem diagnostisk chip af hver cancertype, og 95 % konfidensintervallet præsenteres ved ikke-parametrisk metode.

Det 10-fold krydsvaliderede kalibreringsplot præsenteres for at se kalibreringen af ​​diagnostisk chip af hver cancertype. Kalibreringsplottet viser visuelt graden af ​​forudsigelse ved at sammenligne forudsigelsessandsynligheden for hver gruppe og forholdet mellem faktiske cancerpatienter efter at have listet forudsigelsessandsynligheden i rækkefølgen og divideret den med regelmæssige intervaller.

Derefter beregnes for de samme forsøgspersoner AUC for CA 19-9, det eksisterende cancerdiagnostiske værktøj, og 95 % konfidensintervallet præsenteres. For at sammenligne den diagnostiske chip for hver cancertype og AUC for CA 19-9 beregnes p-værdien ved en ikke-parametrisk metode med 10 gange krydsvalideret AUC.