파브리병의 조기 발견

소급 데이터베이스 분석

알고리즘의 예측력을 테스트하기 위해 지난 10년간 환자의 병원 기록 데이터를 역학적 방법을 사용하여 후향적으로 수집/추출합니다.

다른: 개입 없음

이것은 비 개입 연구입니다.

서로 다른 컷오프 값(상위 10, 20, 50, 100 및 200)에서 양의 예측 값(PPV)을 가진 참가자의 비율

PPV는 임상적으로 관련이 있는 통계 측정으로 양성 선별 검사를 받은 참가자가 평가된 상태에 의해 영향을 받을 가능성을 나타냅니다. 따라서 PPV는 실제로 FD 참가자인 순위 알고리즘에 의해 FD 후보로 식별된 참가자의 비율로 간주될 수 있습니다. FD 예측 알고리즘으로서 (다단계) 가능성 비율(LR)을 사용할 것입니다. 이 방법은 개별 참가자에 대한 진단을 확립하기 위해 임상 테스트 결과를 잘 사용할 수 있도록 합니다. LR은 FD가 있는 환자가 이 기능을 제시할 확률을 FD가 없는 참가자가 해당 기능을 제시할 확률로 나눈 값으로 정의됩니다. 우도 비율 = 참가자/Fabry의 기능을 참가자의 기능으로 나눈 값/ 파브리가 아닙니다. 여러 컷오프(상위 10, 상위 20, 상위 50, 상위 100, 상위 200)에서 알고리즘의 긍정적인 예측 값이 보고됩니다.

알고리즘 검증 목적을 위해 다단계 가능성 비율을 사용하여 알려진 FD의 순위에 기반한 참가자 비율

알고리즘을 검증하기 위해 참가자 기록을 기반으로 FD의 가능성을 평가하는 의료 전문가가 예측 값이 높은 참가자의 기록을 재검토합니다. 알고리즘 검증 목적을 위해 다단계 가능성 비율을 사용하여 알려진 FD의 순위에 기반한 참가자의 백분율이 보고됩니다. 가능성 비율= 참여자/Fabry를 참여자/Fabry가 아닌 기능으로 나눈 기능입니다.